使用DuckDB、Quarkus和Kotlin将Parquet文件转换为可查询的RESTful API
原文英文，约800词，阅读约需3分钟。
📝
内容提要
本文介绍如何结合Quarkus和Kotlin构建轻量级RESTful API，定期从S3加载Parquet文件，并通过HTTP提供数据，使用Jdbi简化请求处理，配置查询模板，实现高效API。
🔎
延伸解读
DuckDB的优势
DuckDB作为一个嵌入式SQL引擎，能够直接查询Parquet文件，避免了传统大数据框架的复杂性和资源消耗。这使得开发者可以更快速地构建轻量级应用，尤其适合需要快速迭代和部署的场景。
Quarkus的灵活性
Quarkus框架专为现代应用设计，提供了出色的REST支持和配置管理功能。通过使用Quarkus，开发者可以轻松管理查询模板和REST端点，提升了开发效率和代码的可维护性。
Kotlin的简洁性
Kotlin语言以其简洁和安全的特性，使得与Quarkus的结合更加愉快。特别是使用ConfigMapping时，Kotlin的语法让配置属性的访问变得直观，减少了代码的复杂性，提升了开发体验。
❓
Q&A
DuckDB是什么，它有什么优势？
DuckDB是一个灵活的嵌入式SQL引擎，可以直接查询Parquet文件，无需服务器或集群，适合轻量级应用。
如何使用Quarkus和Kotlin构建RESTful API？
可以通过Quarkus Initializr设置项目，添加DuckDB和Jdbi依赖，并创建REST端点来处理查询请求。
Parquet文件的主要用途是什么？
Parquet文件用于存储大型列式数据集，广泛应用于大数据分析工作流中。
Quarkus如何处理从S3加载Parquet文件？
Quarkus定期从S3下载Parquet文件，并使用DuckDB直接查询这些文件。
Jdbi在这个项目中起什么作用？
Jdbi用于简化数据库请求处理，提供了方便的API来绑定请求参数和执行查询。
如何测试构建的RESTful API？
可以使用RestAssured-Kotlin进行测试，确保RESTful API的可靠性，验证查询端点的响应。
🏷️
