Parquet
Apache开源的列式数据存储格式，专为高效的数据存储和检索设计，具备高压缩率、投影下推和谓词下推能力，是湖仓一体架构中最广泛使用的物理存储格式
核心事实
时间轴 (近 90 天)
数据湖通常指以低成本对象存储（如Amazon S3）为底层、以Parquet或ORC等列式格式存储数据的体系
Parquet 默认写入方式会打乱 Xet 的去重逻辑，因为其列式编码、Row Group 边界和 Footer 每次重写都会使字节布局大幅改变
一个 100MB 的 Parquet 文件在靠近开头处新增 3000 行，使用默认设置几乎整个文件都要重新上传，而开启内容定义分块后只需上传约 6 个分片
湖仓一体架构基于开放的存储格式（如Parquet）和开放的表格式（如Delta Lake、Iceberg、Hudi），在廉价的对象存储之上提供事务、版本管理和schema演进等能力
Parquet作为底层列式存储格式，凭借高压缩率和向量化读取支持，成为这些表格式的通用物理存储选择
数据集结构化数据以Parquet格式提供，视频采用webdataset格式
Parquet是由Apache基金会维护的面向列存储的开源数据格式，读取特定字段时只需扫描对应列，减少I/O开销
若引擎在读取Parquet文件时跳过治理层的行过滤，可能发生权限泄露
湖仓架构将开放格式（如 Parquet、Iceberg）的数据湖与数据库的事务性和查询能力相结合，使同一份数据既可被 Postgres 引擎访问，也可被 Spark、Trino 等分析引擎直接读取
Delta 表基于 Delta Lake 格式，在 Parquet 文件之上增加事务日志，支持 ACID 事务、Time Travel、Schema Enforcement 和高效增删改操作
全部知识事实 (11)
Delta Lake是Databricks开源的存储层格式，构建于Parquet文件之上，提供ACID事务、版本回溯、Schema演进等特性
80%待验证数据湖通常指以低成本对象存储（如Amazon S3）为底层、以Parquet或ORC等列式格式存储数据的体系
50%待验证Parquet 默认写入方式会打乱 Xet 的去重逻辑，因为其列式编码、Row Group 边界和 Footer 每次重写都会使字节布局大幅改变
50%待验证一个 100MB 的 Parquet 文件在靠近开头处新增 3000 行，使用默认设置几乎整个文件都要重新上传，而开启内容定义分块后只需上传约 6 个分片
50%待验证湖仓一体架构基于开放的存储格式（如Parquet）和开放的表格式（如Delta Lake、Iceberg、Hudi），在廉价的对象存储之上提供事务、版本管理和schema演进等能力
50%待验证Parquet作为底层列式存储格式，凭借高压缩率和向量化读取支持，成为这些表格式的通用物理存储选择
50%待验证Parquet是由Apache基金会维护的面向列存储的开源数据格式，读取特定字段时只需扫描对应列，减少I/O开销
50%待验证数据集结构化数据以Parquet格式提供，视频采用webdataset格式
50%待验证若引擎在读取Parquet文件时跳过治理层的行过滤，可能发生权限泄露
50%待验证湖仓架构将开放格式（如 Parquet、Iceberg）的数据湖与数据库的事务性和查询能力相结合，使同一份数据既可被 Postgres 引擎访问，也可被 Spark、Trino 等分析引擎直接读取
50%待验证Delta 表基于 Delta Lake 格式，在 Parquet 文件之上增加事务日志，支持 ACID 事务、Time Travel、Schema Enforcement 和高效增删改操作
50%