Apache parquet介绍

parquet是为了数据的高性能存储和索取而生的列式数据存储格式，同时parquet提供了高效的数据压缩和编码方案来增强处理复杂数据块的性能。

Reference：

what-is-parquetApache Parquet parquet特性

开源免费无语言论数据格式基于列的数据格式：节省空间且提高了分析查询的速度高性能数据压缩和解压缩支持复杂的数据类型和高级的嵌套数据类型 parquet带来的好处

存储任何类型的大数据（结构化数据、图片、视频、文档）为不同数据类型的列提供高性能的数据压缩和灵活的编码方案增加数据的吞吐量且提升了查询的性能（通过类似于数据跳跃的技术，使得查询过程不需要读取所有数据）

parquet使用record-shredding(记录粉碎)和assembly algorithm(组装算法)实现，并且包含了复杂的数据结构用来存储数据。Parquet 已针对批量处理复杂数据进行了优化，并具有用于高效数据压缩和编码类型的不同方式。这种方法最适合那些需要从大表中读取某些列的查询。Parquet 只能读取所需的列，因此大大减少了 IO。

相比于行式存储结构，列式存储在聚合查询上面花费更少的时间，这种存储方式已转化为节省硬件并最大限度地减少访问数据的延迟。parquet由分组(group)组成，所以其支持高级嵌套数据结构，Parquet 数据文件的布局针对处理大量数据的查询进行了优化，每个文件的数据量在千兆字节范围内。parquet提供了灵活的压缩选项和高效的编码方式，由于每列的数据类型非常相似，因此每列的压缩很简单（这种方式甚至会使查询更快），其次，不同的数据也可以使用不同的压缩方式。parquet最适用于交互式和无服务技术。 parquet和csv之间区别的比较

csv是大家再熟悉不过的存储数据的格式了。

Parquet 已帮助其用户将大型数据集的存储需求减少了至少三分之一，此外，其大大提高了数据的浏览和反序列化时间，从而降低了总成本。
下表展示了将数据由csv转成parquet所节省的花销：