Parquet Viewer

關於這個工具

同事丟來一個 .parquet 檔，你只想知道裡面裝了什麼——有哪些欄位、型別是什麼、大概幾列、前幾筆長怎樣。平常這表示要開 Jupyter、載入 pyarrow 或 pandas，為了一個三十秒的問題花幾分鐘準備環境。這個頁面就是為那一刻準備的 Parquet 檢視器：檔案丟進來，schema、row group 和預覽直接排好，需要彙總就在原地下 SQL。它也能開 .jsonl / .ndjson、Arrow IPC 檔（.arrow、.feather）和 .avro，一次一個檔案。CSV 請改用 CSV Explorer。

引擎還沒載入就看得到的東西

Parquet 把整個檔案的目錄放在結尾的 footer 裡，所以頁面只讀檔案最後那一段——大約 512 KB——不管檔案是 10 MB 還是 1 GB，schema 都是立刻出現。你會看到一棵 schema 樹：每個欄位的名稱、實體型別與邏輯型別（TIMESTAMP(MICROS, UTC)、DECIMAL(18,2)、巢狀的 struct、list、map）、可不可以是 null、總列數、每個 row group 的列數與位元組數、每欄的壓縮 codec（SNAPPY、ZSTD、GZIP 等）、用到的 encoding、壓縮前後的大小與壓縮比、寫入端有存的話還有 min/max 與 null 數統計、created_by 字串，以及 pandas 或 Spark 的 schema JSON 這類 key/value metadata（預設收合，點開才展開）。接著前 1,000 列的預覽會串流進虛擬表格。巢狀值可以展開成 JSON；時間戳記依單位用固定位數顯示（毫秒 3 位、微秒 6 位、奈秒 9 位），欄位標成 UTC 的話尾巴加 Z；decimal 顯示的是精確值，不會經過浮點數捨入；二進位欄位則顯示前 32 個位元組的十六進位。

在瀏覽器裡下 SQL

查詢列由 DuckDB-WASM（DuckDB 1.4）驅動。第一次執行 SQL 時頁面會下載引擎，約 7 MB，之後瀏覽器會快取起來；Parquet 與 JSON 擴充則由本站自己提供。你的檔案永遠叫做資料表 t，所以預設查詢是 SELECT * FROM t LIMIT 100；範本一鍵帶出 SUMMARIZE t、count(*)、每欄的 null 比例，以及某一欄的前 N 名。每次結果都會顯示耗時與列數；畫面最多保留 10,000 列結果，要更多就加 LIMIT 或直接匯出。任何結果都能匯出成 CSV 或 JSONL，每次最多 1,000,000 列——超過被截掉時頁面會明講——這也是把 Parquet 轉 CSV 給打不開 Parquet 的人最快的方法。Stop 按鈕可以中止執行中的查詢，引擎的錯誤訊息原樣呈現、不改寫。1 GB、幾千萬列的檔案上，count(*) 從 metadata 直接讀所以瞬間完成，對單一欄位 GROUP BY 或對全部欄位 SUMMARIZE 則要幾秒到幾十秒；檔案只會分段讀取需要的部分，不會整個載入記憶體。

誠實的限制

引擎只跑在一顆 CPU 核心上，因為本站無法開啟瀏覽器的多執行緒模式，所以大型 GROUP BY 或 join 會比同一台機器上的桌面版 DuckDB 明顯慢。記憶體受瀏覽器限制——32 位元 WebAssembly heap 大約 4 GB——超大的排序或 join 可能失敗，這時你會看到引擎自己的錯誤訊息。使用 modular encryption 加密的 Parquet 打不開。Iceberg 和 Delta Lake 是疊在 Parquet 上面的資料表層，這裡不會解讀：頁面開的是單一資料檔，不是整個資料表目錄，多檔選取也還沒支援。Arrow IPC 與 Avro 目前只顯示 schema 和 metadata，沒有列預覽也不能下 SQL。舊版 Spark 寫出來、帶溢位的 INT96 時間戳記，可能會顯示成「自 epoch 起的奈秒數」而不是日期。超過 15 位數的 DECIMAL min/max 統計是近似值，會標上 ≈。還不能匯出成 Parquet，結果只能以 CSV 或 JSONL 離開。

隱私

檔案用 File.slice 直接從你的磁碟讀取；什麼都不上傳，資料和查詢都不會離開瀏覽器。唯一的對外請求是第一次執行 SQL 時，從公開 CDN cdn.jsdelivr.net 抓 DuckDB 引擎的程式碼，之後就快取起來。