问题描述
我有一个具有以下格式的snappy.parquet文件:
{
"type": "struct","fields": [{
"name": "MyTinyInt","type": "byte","nullable": true,"metadata": {}
}
...
]
}
更新:镶木地板工具揭示了这一点:
############ Column(MyTinyInt) ############
name: MyTinyInt
path: MyTinyInt
max_definition_level: 1
max_repetition_level: 0
physical_type: INT32
logical_type: Int(bitWidth=8,isSigned=true)
converted_type (legacy): INT_8
当我尝试在Azure Data Studio中运行存储过程以将其加载到带有PolyBase的外部登台表中时,出现错误:
11:16:21Started executing query at Line 113
Msg 106000,Level 16,State 1,Line 1
HdfsBridge::recordReaderFillBuffer - Unexpected error encountered filling record reader buffer: ClassCastException: class java.lang.Integer cannot be cast to class parquet.io.api.Binary (java.lang.Integer is in module java.base of loader 'bootstrap'; parquet.io.api.Binary is in unnamed module of loader 'app')
仅使用varchars加载外部表即可正常工作
CREATE EXTERNAL TABLE [domain].[TempTable]
(
...
MyTinyInt tinyint NULL,...
)
WITH
(
LOCATION = ''' + @Location + ''',DATA_SOURCE = datalake,FILE_FORMAT = parquet_snappy
)
数据最终将合并到数据仓库Synapse表中。在该表中,该列的类型必须为tinyint。
解决方法
我在Azure中有相同的问题和良好的支持计划,所以我得到了微软的答复:
在此特定情况下,ADF中存在一个已知的错误:日期 镶木地板中的类型应映射为Sql服务器中的数据类型日期 但是,ADF错误地将此类型转换为Datetime2,这导致 在PolyBase中发生冲突。我已经确认了核心工程 小组将在11月底前修复此问题,并 将直接发布到ADF产品中。
与此同时,作为一种解决方法:
- 创建数据类型为 DATE 而不是 DATETIME2
的目标表- 配置“复制活动接收器”设置以使用 Copy Command (而不是PolyBase)
但是即使 Copy命令对我也不起作用,所以只有一种解决方法是使用批量插入,但是批量处理非常慢,在大型数据集上一个问题