Parquet నుండి CSV కన్వర్టర్
డేటా సాఫ్ట్‌వేర్ ఏదీ ఇన్‌స్టాల్ చేయకుండానే .parquet ఫైల్‌ను చదవండి. లోపల నిల్వ ఉన్న కాలమ్‌లు సాధారణ CSV వరుసలుగా తిరిగి రాయబడతాయి. వాటిని స్ప్రెడ్‌షీట్, BI టూల్ లేదా మీ సహోద్యోగి వెంటనే తెరవగలరు.
డేటా కన్వర్టర్
లేదా CSV, TSV, TXT … ఫైళ్లు ను ఇక్కడ వదలండి ·
ఒక్కో ఫైల్‌కు గరిష్ఠంగా 95 MB· గరిష్ఠంగా 20 ఫైళ్లు· 30 నిమిషాల తర్వాత తొలగించబడతాయి
ఫైళ్లు మా సర్వర్లలో ప్రాసెస్ చేయబడి 30 నిమిషాల తర్వాత తొలగించబడతాయి.
CSV మరియు టెక్స్ట్ ఫైళ్లలో నిలువు వరుసలను వేరు చేసే అక్షరం, చదవడానికి మరియు రాయడానికి రెండింటికీ. ఆటో ఇన్‌పుట్ నుండి దాన్ని గుర్తించి కామాలతో రాస్తుంది.
UTF-8 అన్ని భాషలకు పనిచేస్తుంది. Windowsలో Excel CSVని తెరిచినప్పుడు యాక్సెంట్లు లేదా ఆసియా అక్షరాలు గందరగోళంగా కనిపిస్తే BOMతో UTF-8 ఎంచుకోండి.
Excel, ODS మరియు Numbers ఇన్‌పుట్: మొదటి షీట్‌ను మాత్రమే మార్చండి, లేదా అన్ని షీట్లను (ZIPలో ప్రతి షీట్‌కు ఒక CSV, లేదా ప్రతి షీట్‌కు ఒక JSON కీ).
కొత్త స్ప్రెడ్‌షీట్‌లో షీట్ ట్యాబ్ పేరు, గరిష్టంగా 31 అక్షరాలు.
ఆబ్జెక్ట్ల అరే ప్రతి వరుసకు నిలువు వరుసల పేర్లను కీలుగా ఉపయోగిస్తుంది; అరేల అరే మరింత కాంపాక్ట్గా ఉండి, హెడర్ను మొదటి అరేగా ఉంచుతుంది.
అన్ని వరుసలను చుట్టే బయటి ఎలిమెంట్ పేరు; ప్రతి వరుస దానిలో <row>గా మారుతుంది.
CREATE TABLE మరియు INSERT స్టేట్మెంట్లలో ఉపయోగిస్తారు. అక్షరాలు, అంకెలు మరియు అండర్స్కోర్లు మాత్రమే.
డేటాబేస్ల మధ్య కోటింగ్ మరియు కాలమ్ రకాలు కొద్దిగా భిన్నంగా ఉంటాయి; మీరు ఇంపోర్ట్ చేయబోయేదాన్ని ఎంచుకోండి.
తేదీ సెల్లను ఒకే ఫార్మాట్‌లో తిరిగి రాయండి. డేటాబేస్‌లు మరియు కోడ్‌కు ISO (2026-10-18) అత్యంత సురక్షితం; 'యథాతథంగా ఉంచు' మూలంలో ఉన్నట్లే ఉంచుతుంది.
ఈ టూల్‌ను ఎలా ఉపయోగించాలి
- 1
Parquet ఫైళ్లను అప్లోడ్ చేయండి
ఒక .parquet ఫైల్‌ను లేదా ఒకే డేటాసెట్‌లోని గరిష్టంగా 20 పార్ట్ ఫైళ్లను జోడించండి, ఒక్కొక్కటి 95 MB వరకు.
- 2
తేదీలు, ఎన్‌కోడింగ్ సరిచూడండి
తేదీలు ISOకి సెట్ చేసి ఉంటుంది, కాబట్టి టైమ్‌స్టాంప్‌లు ముడి సంఖ్యలుగా కాకుండా 2026-10-18 లాగా కనిపిస్తాయి. అధునాతన సెట్టింగ్‌లులో యూరోపియన్ Excel కోసం డెలిమిటర్గా సెమికోలన్‌ను, లేదా టెక్స్ట్ ఎన్‌కోడింగ్లో UTF-8 with BOMను ఎంచుకోండి.
- 3
CSVగా మార్చండి
CSVకు మార్చండి నొక్కి డౌన్‌లోడ్ చేయండి. ఫైల్‌ను స్ప్రెడ్‌షీట్‌లో తెరవండి లేదా CSV అంగీకరించే ఎక్కడైనా లోడ్ చేయండి.
Parquetను CSVగా ఎవరికి అవసరం
Parquet 2013లో Twitter, Cloudera సంయుక్త ప్రాజెక్ట్‌గా మొదలైంది, Google Dremel పేపర్‌లోని రికార్డ్-ష్రెడ్డింగ్ ఆలోచనలపై నిర్మితమై 2015లో Apache టాప్-లెవెల్ ప్రాజెక్ట్ అయింది. ఇప్పుడు ఇది డేటా లేక్‌ల డిఫాల్ట్ నిల్వ ఫార్మాట్. BigQuery, Snowflake దీనికి ఎగుమతి చేస్తాయి, Spark డిఫాల్ట్‌గా దీన్నే రాస్తుంది, Hugging Face Hub పబ్లిక్ డేటాసెట్‌లను స్వయంచాలకంగా దీనికి మారుస్తుంది.
ఇంజినీర్లకు ఇది గొప్ప, మిగతావారికి ఇబ్బంది. .parquet ఫైల్ అందుకున్న ప్రొడక్ట్ మేనేజర్‌కు, డేటాసెట్ డౌన్‌లోడ్ చేసిన పరిశోధకుడికి, వేర్‌హౌస్ ఎక్స్‌ట్రాక్ట్ పొందిన అకౌంటెంట్‌కు దాన్ని తెరిచే టూల్ సాధారణంగా ఉండదు. CSV ప్రతి స్ప్రెడ్‌షీట్, ఇంపోర్టర్ చదివే సాధారణ ఫార్మాట్. డేటా అందుకునేవారు ఫార్మాట్ చేసిన వర్క్‌బుక్ ఇష్టపడితే CSVని CSV నుండి XLSXతో మార్చండి.
Parquet vs CSV: డిస్క్‌పై కాలమ్‌లు, టెక్స్ట్ వరుసలు
Parquet
బైనరీ, కాలమ్ వారీగా, స్కీమా ఫైల్ ఫుటర్‌లో నిల్వ.
- రకాలున్న విలువలు: int64, decimal, timestamp, boolean
- నెస్టెడ్ స్ట్రక్ట్‌లు, లిస్ట్‌లు
- కాలమ్ వారీగా కంప్రెస్, ఎంపిక చేసి చదవవచ్చు
CSV
సాదా టెక్స్ట్, లైన్‌కు ఒక రికార్డు, RFC 4180 వివరించినట్లు విలువలు కామాలతో వేరు.
- ప్రతి విలువ టెక్స్ట్
- ఫ్లాట్: సెల్‌కు ఒక విలువ
- ఏ స్ప్రెడ్‌షీట్ లేదా ఎడిటర్‌లోనైనా తెరుచుకుంటుంది
| from ↓ · to → | CSV | XLSX | JSON | Parquet |
|---|---|---|---|---|
| Parquet | Parquet to CSV: yes | Parquet to XLSX: yes | Parquet to JSON: yes | – Parquet to Parquet: no |
| CSV | – CSV to CSV: no | CSV to XLSX: yes | CSV to JSON: yes | CSV to Parquet: yes |
| JSON | JSON to CSV: yes | JSON to XLSX: yes | – JSON to JSON: no | JSON to Parquet: yes |
Parquet ఫైల్ CSVగా మారినప్పుడు ఏమి మారుతుంది
మొదట దెబ్బతినేవి రకాలు. decimal(18,2) మొత్తం, int64 ID, UTCలోని టైమ్‌స్టాంప్ అన్నీ అక్షరాలుగా మారతాయి, CSV తెరిచినవారే వాటిని మళ్లీ ఎలా చదవాలో నిర్ణయిస్తారు. ఉదాహరణకు Excel 15 ముఖ్య అంకెలనే చూపిస్తుంది, కాబట్టి వేర్‌హౌస్‌లోని 19 అంకెల IDలను డబుల్ క్లిక్‌తో తెరవకుండా టెక్స్ట్గా ఇంపోర్ట్ చేయాలి. null, ఖాళీ స్ట్రింగ్ మధ్య తేడా కూడా పోతుంది, రెండూ ఖాళీ ఫీల్డ్‌గా రాయబడతాయి.
రెండోది సైజ్. కాలమ్నార్ కంప్రెషన్ వల్లే Parquet ఫైళ్లు చిన్నవి; సాదా టెక్స్ట్‌లో అది లేదు, కాబట్టి CSV పెరుగుతుంది. Excel షీట్‌లో 1,048,576 వరుసలు ఉంటాయి, పెద్ద టేబుల్‌లు దాన్ని సులభంగా దాటతాయి, కాబట్టి స్ప్రెడ్‌షీట్ వినియోగదారుకు పంపేముందు వరుసల సంఖ్య చూడండి. SQL నుండి JSON వరకు ఇతర లక్ష్యాలు డేటా కన్వర్టర్ పేజీలో ఉన్నాయి.
Apache Parquet, CSV ఫార్మాట్ వివరాలు
PARQUET
Apache Parquet
Parquet అనేది 2013లో Twitter, Cloudera రూపొందించిన ఓపెన్-సోర్స్ కాలమ్నార్ స్టోరేజ్ ఫార్మాట్, దీనిని Apache Software Foundation నిర్వహిస్తోంది. ఇది డేటాను కాలమ్ వారీగా, బలమైన కంప్రెషన్, టైప్ చేసిన స్కీమాలతో నిల్వ చేస్తుంది, కాబట్టి అనలిటిక్స్ సాధనాలు అవసరమైన కాలమ్‌లను మాత్రమే చదవగలవు. డేటా లేక్స్‌లో, Spark, pandas, DuckDB, BigQuery, Snowflake వంటి సాధనాల్లో ఇది ప్రమాణం. Parquet ఫైళ్లు బైనరీ, టెక్స్ట్ ఎడిటర్‌లో లేదా సాధారణ స్ప్రెడ్‌షీట్ యాప్‌లో తెరవలేము.
- కంప్రెషన్
- లాస్‌లెస్
- పారదర్శకత
- –
- యానిమేషన్
- –
- పరిచయమైన సంవత్సరం
- 2013 · Apache Software Foundation (from Twitter and Cloudera)
CSV
కామాతో వేరు చేసిన విలువలు
CSV అనేది పట్టికల కోసం ప్లెయిన్-టెక్స్ట్ ఫార్మాట్; ప్రతి లైన్ ఒక వరుస, కామాలు నిలువు వరుసలను వేరు చేస్తాయి. కంప్యూటింగ్ తొలి రోజుల నుంచి వాడుకలో ఉంది, RFC 4180లో వివరించబడింది, అయితే చాలా వేరియంట్లు సెమికోలన్లు లేదా ట్యాబ్‌లు, వేర్వేరు టెక్స్ట్ ఎన్‌కోడింగ్‌లు వాడతాయి. దాదాపు ప్రతి స్ప్రెడ్‌షీట్, డేటాబేస్, అనలిటిక్స్ సాధనం దీన్ని ఇంపోర్ట్, ఎక్స్‌పోర్ట్ చేయగలదు, అందుకే సిస్టమ్‌ల మధ్య డేటా తరలించడానికి ఇదే డిఫాల్ట్ ఫార్మాట్. CSV విలువలను మాత్రమే నిల్వ చేస్తుంది; ఫార్ములాలు, ఫార్మాటింగ్, బహుళ షీట్లు, డేటా రకాలు ఉండవు.
- కంప్రెషన్
- –
- పారదర్శకత
- –
- యానిమేషన్
- –
- పరిచయమైన సంవత్సరం
- –
డేటా ఇంజినీరింగ్ వైపు నుండి బయటకు వెళ్లినప్పుడు Parquet CSVగా మారుతుంది: BigQuery ఎగుమతి, Hugging Face డేటాసెట్ లేదా డేటా లేక్ టేబుల్ అనలిస్ట్‌కు, ఫైనాన్స్ టీమ్‌కు లేదా టెక్స్ట్ వరుసలను మాత్రమే చదివే టూల్‌కు చేరాలి.
Parquet నుండి CSV: ప్రశ్నలు
Python లేకుండా Parquet ఫైల్‌ను ఎలా తెరవాలి?
ఇక్కడే మార్చి CSVని తెరవండి. Excel, Numbers, Google Sheets డబుల్ క్లిక్‌తో .parquet చదవలేవు. pandas, Spark, DuckDB కమాండ్ లైన్ వంటి సాధారణ ప్రత్యామ్నాయాలన్నింటికీ కోడ్ ఇన్‌స్టాల్ చేసి నడపడం తెలిసి ఉండాలి.
CSV ఫైల్ Parquet ఫైల్ కంటే ఇంత పెద్దగా ఎందుకు ఉంటుంది?
Parquet ప్రతి కాలమ్ను కలిపి నిల్వ చేస్తుంది, పునరావృత విలువలను డిక్షనరీలో ఒక్కసారే ఎన్కోడ్ చేస్తుంది, ఫలితాన్ని సాధారణంగా Snappy లేదా Zstandardతో కంప్రెస్ చేస్తుంది. CSV ప్రతి వరుసలో ప్రతి విలువను పూర్తిగా టెక్స్ట్గా రాస్తుంది. CSV దాని Parquet మూలం కంటే అనేక రెట్లు పెద్దగా ఉండటం సాధారణమే, కాబట్టి డిస్క్లో చోటు ఉంచండి, Excelలో తెరవడానికి ముందు వరుసల సంఖ్య చూడండి.
నెస్టెడ్ struct, list కాలమ్లకు ఏమవుతుంది?
స్ట్రక్ట్ address.city వంటి చుక్కల పేర్లతో అదనపు కాలమ్లుగా విస్తరిస్తుంది. లిస్ట్ ఒకే సెల్లో JSON టెక్స్ట్గా ఉంటుంది, ఎందుకంటే CSV వరుస ప్రతి రికార్డుకు వేర్వేరు సెల్ల సంఖ్యను ఉంచలేదు.
నా Spark జాబ్ part ఫైళ్లతో ఒక ఫోల్డర్ను రాసింది. వాటిలో దేన్ని అప్లోడ్ చేయాలి?
అన్నీ. Spark, Hive వంటి ఇంజిన్లు ఒక డేటాసెట్ను part-00000.parquet వంటి పేర్ల ఫైళ్లుగా విభజిస్తాయి, ప్రతిదీ అదే స్కీమాతో పూర్తి Parquet ఫైల్. 20 వరకు కలిపి అప్లోడ్ చేస్తే ప్రతి పార్ట్కు ఒక CSV వస్తుంది, వాటిని తర్వాత కలపవచ్చు.
ఎడిట్ చేసిన తర్వాత CSVని తిరిగి Parquetగా మార్చవచ్చా?
అవును, CSV నుండి Parquetతో. కాలమ్ రకాలు టెక్స్ట్ నుండి మళ్లీ అంచనా వేయబడతాయి, కాబట్టి ముందు సున్నాలున్న IDలు, దశాంశ మొత్తాలు మీ పైప్లైన్ ఆశించే రకాలతో తిరిగి వచ్చాయో చూడండి.
- CSV నుండి Parquet కన్వర్టర్CSVని టైప్డ్ కాలమ్‌లు, కంప్రెషన్తో Apache Parquetగా మార్చండి — pandas, DuckDB, Spark, BigQuery, Athena కోసం. Python లేదా Spark సెటప్ అవసరం లేదు.
- Excel నుండి CSV కన్వర్టర్Excel వర్క్బుక్లను (XLS, XLSX, XLSM) CSVగా మార్చండి: ప్రతి షీట్ వేరే ఫైల్గా, కామా లేదా సెమికోలన్ డీలిమిటర్, Excel సరిగ్గా తెరిచే UTF-8.
- JSONను CSVగా మార్చండిJSON లేదా JSON Linesని CSVగా మార్చండి: ఒక్కో ఆబ్జెక్ట్కు ఒక వరుస, నెస్టెడ్ ఫీల్డ్లు కాలమ్లుగా, Excelలో యాక్సెంట్ల కోసం BOMతో UTF-8. ఒకేసారి 20 ఫైళ్లు.
- CSV నుండి XLSX కన్వర్టర్CSVని Excel XLSX ఫైల్గా మార్చండి: ముందు సున్నాలు, పొడవైన IDలు, యాక్సెంట్ అక్షరాలు అలాగే ఉంటాయి. కామా, సెమికోలన్, ట్యాబ్ ఆటోమేటిక్గా గుర్తింపు.
- CSV నుండి SQL కన్వర్టర్CSVని SQLగా మార్చండి: MySQL, PostgreSQL, SQLite లేదా SQL Server కోసం మీరు ఎంచుకున్న టేబుల్ పేరుతో CREATE TABLE, INSERT స్టేట్మెంట్లు. అకౌంట్ అవసరం లేదు.