直接用 parquet-cpp 会编译失败或链接报错，因其自2019年起已并入Arrow项目，头文件、命名空间和构建方式全面变更；应改用Arrow的Parquet模块，包含对应头文件、链接arrow和arrow_parquet库，并确保运行时库路径正确。
为什么直接用 parquet-cpp 会编译失败或链接报错
Apache 官方已将 Parquet C++ 实现完全并入 Arrow 项目，parquet-cpp 仓库自 2019 年起归档，头文件路径、命名空间、构建方式全部变更。你现在看到的旧教程里写的 #include "parquet/reader.h" 或链接 -lparquet，大概率会触发 fatal error: parquet/reader.h: No such file or directory 或未定义引用错误。
正确做法是统一使用 Arrow 的 Parquet 模块：
- 头文件全走
#include <arrow></arrow>和#include <arrow></arrow>，Parquet 相关接口在<arrow></arrow> - CMake 中必须 find_package(Arrow REQUIRED) 且 link
arrow+arrow_parquet（不是parquet） - 运行时需确保
libarrow_parquet.so（Linux）或arrow_parquet.dll（Windows）在 LD_LIBRARY_PATH / PATH 中
如何用 parquet::ParquetFileReader 同步读取单个文件
Arrow 的 Parquet 读取分两步：先打开文件获取元数据和 schema，再按行组（RowGroup）或整列拉取数据。不推荐一次性读全——内存爆炸风险高，且失去列裁剪优势。
基础流程示例：
立即学习“C++免费学习笔记（深入）”；
#include <arrow/parquet/api.h>
#include <arrow/io/file.h>
std::shared_ptr<arrow::io::ReadableFile> infile;
arrow::io::ReadableFile::Open("data.parquet", &infile).AbortNotOk();
std::unique_ptr<parquet::ParquetFileReader> reader =
parquet::ParquetFileReader::Open(infile);
// 获取 schema（Arrow 格式）
std::shared_ptr<arrow::Schema> schema = reader->metadata()->schema();
// 读第 0 个 RowGroup（可循环读多个）
std::shared_ptr<arrow::Table> table;
reader->ReadRowGroup(0, &table).AbortNotOk(); // 注意：返回的是 Table，非原始 Parquet 数据
关键点：
-
ReadRowGroup()返回arrow::Table，列已自动解码为 Arrow 原生类型（如arrow::Int32Array），无需手动 cast - 若只需某几列，用
ReadRowGroup({0, 2, 4})传列索引列表，避免加载无关列 - 不调
ReadTable()—— 它会读全部 RowGroup，内存占用不可控
遇到 ArrowNotImplementedError: Dictionary decoding not supported for type 怎么办
这是 Arrow 5.x+ 默认禁用字典解码导致的常见报错，尤其出现在用 Python（pyarrow）写入、C++ 读取的混合场景中。Parquet 文件若含字典编码列（string / enum 等高频值），Arrow C++ 默认不处理该编码格式。
组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。
解决方法是在打开 reader 时显式启用字典支持：
parquet::ReaderProperties props;
props.set_use_dictionary(true); // 关键
std::unique_ptr<parquet::ParquetFileReader> reader =
parquet::ParquetFileReader::Open(infile, props);
其他相关配置：
-
props.set_pre_buffer(true)：预读底层页，提升小文件随机访问性能 -
props.set_threads(4)：开启多线程解码（仅对大 RowGroup 有效） - 若确定无字典列，设
set_use_dictionary(false)可略降初始化开销
如何把 arrow::Table 转成原生 C++ 结构（如 std::vector<int32_t>）
Arrow 的 Table 是零拷贝视图，直接转 std::vector 需显式拷贝。别试图 reinterpret_cast —— Arrow 内存布局含 offset / validity bitmap，结构不兼容。
安全提取整列 int32 示例：
std::shared_ptr<arrow::ChunkedArray> col = table->column(0);
std::shared_ptr<arrow::Int32Array> arr =
std::static_pointer_cast<arrow::Int32Array>(col->chunk(0));
std::vector<int32_t> data(arr->length());
arr->CopyUnslicedData(data.data()); // 自动跳过 null 值？不，这行只拷贝有效数据（含 null 占位）
更稳妥的做法（处理 null）：
- 用
arr->raw_values()+arr->null_count() > 0判断是否含 null - 若需过滤 null，遍历
arr->IsValid(i)手动 push_back - 字符串列务必用
arr->GetString(i)，不能直接取 raw_values —— Arrow string 是 offset-based
真正麻烦的是嵌套类型（struct / list）和时区感知 timestamp —— 这些得逐层 unpack，没通用捷径。
