Gratis Online Apache Parquet Viewer – Parquet Bestanden Openen & Verkennen

Bekijk en analyseer Apache Parquet-bestanden direct in uw browser. Inspecteer schema's, metadata en kolomgebaseerde datastructuren voor analytics, data engineering en ETL-workflows, of converteer Parquet naar JSON, CSV, TSV of XLSX.

Upload Parquet File

Select a Parquet file to analyze and query. Maximum file size: 250MB

Drop your Parquet file here

or click to browse

Supported formats: .parquet, .parq
Max size: 250 MB

Ready to View Your Parquet Files?

Join thousands of developers who trust our OJF for their daily workflow. Fast, reliable, and completely free.

100% Free
No Registration
Privacy Protected

Online Parquet Viewer voor Developers en Data Engineers

Open en inspecteer Apache Parquet-bestanden online. Analyseer kolomgebaseerde schema's, controleer metadata, verken records en exporteer subsets naar JSON of CSV voor debugging en validatie.

Parquet-bestanden bekijken in Python

Parquet-bestanden bekijken met Pandas

python

Pandas is de meest gebruikte bibliotheek voor gegevensmanipulatie in Python en biedt een eenvoudige read_parquet-functie.

# Installation: pip install pandas
import pandas as pd

df = pd.read_parquet('path/to/file.parquet')
print(df.head())

Parquet-bestanden bekijken met DuckDB

python

DuckDB is een in-process SQL OLAP-databasemanagementsysteem dat direct queries kan uitvoeren op Parquet-bestanden.

# Installation: pip install duckdb
import duckdb

# Query directly from the file
result = duckdb.sql("SELECT * FROM 'path/to/file.parquet' LIMIT 10").fetchdf()
print(result)

Parquet-bestanden bekijken met ClickHouse

python

ClickHouse is een razendsnel open-source OLAP-databasemanagementsysteem met native ondersteuning voor Parquet.

# Installation: pip install clickhouse-connect
import clickhouse_connect

client = clickhouse_connect.get_client(host='localhost', port=8123)
query = "SELECT * FROM file('path/to/file.parquet') LIMIT 10"
result = client.query(query).result_set
print(result)

Parquet-bestanden bekijken in andere talen

Parquet bekijken in Node.js

javascript

Gebruik van de parquetjs-bibliotheek om Parquet-bestanden te lezen in een JavaScript-omgeving.

// Installation: npm install parquetjs
const parquet = require('parquetjs');

async function readParquet() {
    let reader = await parquet.ParquetReader.openFile('example.parquet');
    let cursor = reader.getCursor();
    let record = null;
    while (record = await cursor.next()) {
        console.log(record);
    }
    await reader.close();
}

Parquet bekijken in Java

java

Gebruik van Apache Parquet met Avro voor toegang op recordniveau in Java.

// Required dependencies: parquet-avro, parquet-hadoop
import org.apache.hadoop.fs.Path;
import org.apache.parquet.hadoop.ParquetReader;
import org.apache.parquet.avro.AvroParquetReader;
import org.apache.avro.generic.GenericRecord;

Path path = new Path("example.parquet");
try (ParquetReader<GenericRecord> reader = AvroParquetReader.<GenericRecord>builder(path).build()) {
    GenericRecord record;
    while ((record = reader.read()) != null) {
        System.out.println(record);
    }
}

Key Features of OJF

Take control of your data - everything in one place

Schema- & Metadata-inspectie

  • Inspecteer hiërarchische Parquet-schema's inclusief geneste velden en logische datatypen
  • Controleer metadata op kolomniveau zoals nullability, codering en compressieformaten
  • Analyseer row group informatie om datapartitionering en lay-out te begrijpen
  • Bekijk bestandsstatistieken die worden gebruikt in analytische workloads en data lakes

Dataverkenning

  • Blader door Parquet-records via een gestructureerde tabelweergave voor duidelijke data-analyse
  • Pas kolomgebaseerde filtering toe met ingebouwde filters of SQL-stijl expressies
  • Sorteer records met datatype-bewuste sortering voor nauwkeurige resultaten
  • Converteer epoch-timestampwaarden naar leesbare datum- en tijdformaten
  • Statistische analyse van kolomgegevens inclusief min, max en null-waarden tellingen

Conversie & Export

  • Converteer Parquet-bestanden naar JSON-formaat voor API's en applicatie-workflows
  • Exporteer datasets als CSV of TSV voor rapportage en spreadsheet-analyse
  • Download gegevens in XLSX-formaat voor compatibiliteit met Excel
  • Extraheer gefilterde of gesorteerde subsets voor validatie en verdere verwerking
  • Download gefilterde datasets op basis van aangepaste selectiecriteria

Hoe bekijkt u Parquet-bestanden online?

1

Upload een Parquet-bestand (.parquet) via de bestandskiezer

2

Bekijk het schema om kolommen, datatypen en nesting te begrijpen

3

Inspecteer metadata zoals compressie, codering en row groups

4

Blader door records in een tabelweergave voor validatie of debugging

5

Pas filters of zoekopdrachten toe om op specifieke data te focussen

6

Exporteer geselecteerde data naar JSON of CSV indien nodig

Why Choose Us?

Feature
Online JSON Formatt(OJF)
Other Tools
Schema zichtbaarheidHiërarchisch schema met metadata-contextBeperkte of platte schema-weergave
Browser-gebaseerde verwerkingLokale, client-side inspectie (veilig en privé)Server-upload vereist
Export flexibiliteitExport naar JSON, CSV en ExcelBeperkte of geen exportopties

Frequently Asked Questions

Wat is een Apache Parquet-bestand?
Apache Parquet is een open-source kolomgebaseerd opslagformaat ontworpen voor efficiënte dataverwerking en analytics.Referentie: Apache Parquet Documentatie
Waarom wordt Parquet veel gebruikt in data engineering?
Parquet is geoptimaliseerd voor analytische workloads omdat het column pruning, compressie en efficiënte scans ondersteunt, wat essentieel is voor Big Data.Referentie: Databricks – Wat is Parquet?
Hoe kan ik Parquet-bestanden bekijken zonder Apache Spark of Hadoop?
U kunt een online Parquet viewer gebruiken om schema's, metadata en records direct in de browser te inspecteren, zonder Spark, Hadoop of andere complexe frameworks te installeren.
Welke metadata kan worden geïnspecteerd in een Parquet-bestand?
Parquet-metadata bevat schemadefinities, row groups, kolomstatistieken, compressie-codecs en coderingstypen, wat helpt bij het begrijpen van prestaties en opslag.Referentie: Apache Parquet Format – File Metadata
Kan Parquet-data worden geconverteerd naar andere formaten?
Ja, Parquet-gegevens worden vaak geconverteerd naar JSON of CSV voor interoperabiliteit, rapportage en debugging-doeleinden.
Is Parquet geschikt voor grote datasets?
Parquet is specifiek ontworpen voor grootschalige analytische datasets, waardoor efficiënte opslag en snelle query-prestaties in gedistribueerde systemen mogelijk zijn.