Parquet與ORC：高性能列式存儲格式

背景 隨着大數據時代的到來，愈來愈多的數據流向了Hadoop生態圈，同時對於可以快速的從TB甚至PB級別的數據中獲取有價值的數據對於一個產品和公司來講更加劇要，在Hadoop生態圈的快速發展過程當中，涌現了一批開源的數據分析引擎，例如Hive、Spark SQL、Impala、Presto等，同時也產生了多個高性能的列式存儲格式，例如RCFile、ORC、Parquet等，本文主要從實現的角度上對

>>阅读原文<<