Parquet-visare — Öppna Parquet-filer online, privat

Ett snabbt sätt att se vad som finns i Parquet-filer

Apache Parquet är standardformatet för lagring i data lakes, Spark-jobb, pandas-exporter och många analyspipelines. Det är kompakt och snabbt, men det är ett binärt, kolumnorienterat format, så du kan inte öppna det i en textredigerare eller ett kalkylark. Den här Parquet-visaren öppnar en .parquet-fil direkt i din webbläsare och visar vad den innehåller: kolumnnamn och typer, det totala antalet rader, antalet radgrupper, biblioteket som skrev filen och en tabell med själva datan uppdelad i sidor.

Under huven använder verktyget DuckDB kompilerat till WebAssembly. DuckDB läser Parquet direkt, inklusive Snappy-, Gzip- och Zstd-komprimering, nästlade listor och structs, datum, tidsstämplar och decimaltal. Antalet rader hämtas från filens metadata och varje sida laddas med en liten LIMIT/OFFSET-fråga, så bläddringen förblir snabb även när filen innehåller miljontals rader.

Konvertera Parquet till CSV eller JSON

Ofta behöver du bara datan i ett smidigare format. Exportknapparna konverterar hela filen, inte bara den synliga sidan. CSV-exporten skriver en rubrikrad följd av varje post, redo för Excel, Google Sheets eller import till en databas. JSON-exporten skriver en enda array av objekt, vilket är praktiskt för skript, testdata och API:er. Nästlade kolumner behålls som nästlad JSON, medan de visas som text i CSV. Tidsstämplar skrivs i ISO-format så att de sorteras och tolkas korrekt.

Privat granskning som fungerar bra offline

Parquet-filer innehåller ofta produktionsdata: användarposter, transaktioner eller telemetri. Att ladda upp dem till en okänd webbplats bara för att titta på schemat är riskabelt. Här läses filen in i webbläsarens minne och skickas aldrig någonstans. DuckDB-motorn (cirka 35 MB) laddas ner från ett CDN första gången du öppnar en fil och kan sedan cachas av din webbläsare. Eftersom hela filen hålls i minnet beror mycket stora filer på hur mycket RAM som finns tillgängligt för webbläsarfliken. För djupare analys, som filter, aggregeringar eller joins med andra filer, öppnar du samma fil i verktyget SQL on CSV.