Qu’est-ce qu’un fichier Parquet ?

Ce qu’est Parquet

Parquet est un format binaire, qui ne veut rien dire hors d’un programme qui le connaît. Il est utilisé pour l’archivage et l’échange entre programmes.

L’extension est .parquet et le nom complet Apache Parquet. L’un et l’autre comptent moins que ce que le fichier peut contenir, et c’est le sujet du reste de cette page.

D’où vient Parquet

Apache Software Foundation l’a publié en 2013.

L’âge est utile à connaître pour une raison pratique : plus un format est ancien, plus les programmes ont eu le temps de l’apprendre.

La spécification est publique

N’importe qui peut l’implémenter sans demander l’autorisation ni payer de licence. C’est pourquoi ce format apparaît dans tant de programmes, et pourquoi des fichiers écrits il y a vingt ans s’ouvrent encore.

Rien n’est jeté

Parquet enregistre son contenu à l’identique. Le réenregistrer ne change rien : vous pouvez l’ouvrir, le modifier et le réenregistrer autant de fois que vous voulez sans accumuler de dégâts, et c’est ce qui en fait un format de travail plutôt qu’un format de livraison.

Ce qu’il fait pour se protéger

Parquet porte une somme de contrôle, pour qu’un fichier abîmé soit détecté au lieu d’être mal lu en silence et un chiffrement facultatif.

Un fichier chiffré doit être déverrouillé avant que quoi que ce soit puisse le convertir, ici comme ailleurs. Un mot de passe n’est pas quelque chose qu’un convertisseur peut contourner, et à celui qui prétendrait le faire il ne faudrait surtout pas confier le fichier.

Ce qui ouvre Parquet

pandas, Apache Spark et DuckDB le lisent, comme la plupart des programmes du même genre.

Quand un fichier ne s’ouvre pas, le format est rarement en cause : le plus souvent, c’est le programme qui est plus ancien que lui. Convertir vers quelque chose de plus ancien est le contournement fiable, et c’est à cela que sert le reste de ce site.

L’ouvrir dans un navigateur

Aucun navigateur ne le lit.

C’est de loin la raison la plus fréquente de le convertir : non pas que le format soit mauvais, mais que l’endroit où vous voulez montrer le fichier ne sache pas le lire.

C’est un format de livraison

Parquet est fait pour être transmis, pas pour travailler dedans. Modifier un tel fichier est possible et rarement agréable ; la voie raisonnable passe par la source et un nouvel export.

Ce qui se passe mal avec lui

Les reproches qui reviennent : hors de son terrain, la prise en charge est inégale.

Rien de tout cela n’est une raison d’éviter le format. Ce sont les choses à connaître avant que l’une d’elles vous surprenne, ce qui est une affirmation différente et plus utile.

Les données, au même endroit

Convertir Parquet en autre chose

• Parquet en XLSX
• Parquet en CSV
• Parquet en JSON
• Parquet en TSV
• Parquet en NDJSON
• Parquet en SQL

Convertir autre chose en Parquet

• CSV en Parquet
• XLSX en Parquet
• JSON en Parquet
• TSV en Parquet
• NDJSON en Parquet

Formats à envisager à la place de Parquet

• Comma-Separated Values
• JavaScript Object Notation