ParquetReader与ParquetFileReader有哪些核心区别？功能是否一致？

核心功能是否相同？ #

二者的核心定位与功能完全不重合，属于Parquet Java SDK中不同层级的工具类，适用场景差异极大。

具体差异 #

• 定位与层级区别
  • ParquetFileReader 是org.apache.parquet.hadoop包下的底层IO工具类，直接对接Parquet文件的物理存储结构，负责读取文件元数据、Row Group块、字典页、数据页等底层存储单元，不会自动做数据类型映射与对象转换，面向需要自定义Parquet解析逻辑的底层开发场景。
  • ParquetReader 是对ParquetFileReader做了上层封装的业务友好API，内置Avro、Protobuf、普通POJO等多种数据模型的自动转换逻辑，开发者无需了解Parquet底层存储细节，仅需指定读模式和转换规则，就能直接拿到映射后的业务数据对象，适合通用业务场景快速读取Parquet文件。
• 能力边界区别
  • ParquetFileReader支持高度定制的底层操作：可指定读取指定Row Group、读取部分列的元数据、跳过不需要的数据页、自定义页级过滤逻辑，是实现自研Parquet读取组件的基础。如果你开发的HDFS轻量访问库需要做极致的性能优化（比如按需加载、自定义列裁剪规则等），可以基于该类做二次开发。
  • ParquetReader的能力聚焦在通用读取场景：内置了常见的列裁剪、谓词下推优化，屏蔽了压缩、编码、类型转换等底层逻辑，开发效率更高，但可定制性远低于ParquetFileReader。
• 依赖关系
  • ParquetReader的底层默认依赖ParquetFileReader实现文件的实际读取操作，二者是上层封装与底层实现的关系。

内容的提问来源于stack exchange，提问作者Jin Kwon