大数据文件格式梳理：Parquet、Avro、ORC

扫描优化的列存储格式，默认是parquet
写优化的行格式，默认是avro

Parquet、Avro、ORC格式

相同点
基于Hadoop文件系统优化出的存储结构
提供高效的压缩
二进制存储格式
文件可分割，具有很强的伸缩性和并行处理能力
使用schema进行自我描述
属于线上格式，可以在Hadoop节点之间传递数据
 

不同点
行式存储or列式存储：Parquet和ORC都以列的形式存储数据，而Avro以基于行的格式存储数据。 就其本质而言，面向列的数据存储针对读取繁重的分析工作负载进行了优化，而基于行的数据库最适合于大量写入的事务性工作负载。
压缩率：基于列的存储区Parquet和ORC提供的压缩率高于基于行的Avro格式。 
可兼容的平台：ORC常用于Hive、Presto；Parquet常用于Impala、Drill、Spark、Arrow；Avro常用于Kafka、Druid。
不同的案例和应用场景选择合适的存储格式，可以提升存储和读取的效率。