Parquet 示例文件

Apache Parquet 是一种列式（columnar）数据存储格式，是数据工程的标准：Spark、Pandas、DuckDB、BigQuery。下面是不同模式、类型和压缩选项的 .parquet 示例文件，可供下载

简单 Parquet：5 行，基本类型

1.2 Kb

用户：1000 行，真实数据集

35 Kb

所有数据类型：int、float、bool、string、binary、date、timestamp、decimal

4.2 Kb

嵌套数据：struct 列和列表（list）

2.5 Kb

大型 Parquet：500 000 行（约 5 MB）

4.9 Mb

空 Parquet：有模式无行

621 字节

gzip 压缩：20 000 行

308 Kb

无压缩：相同的 20 000 行（uncompressed）

1.4 Mb

🧠 Parquet 的工作原理

Parquet 按列存储数据，而非按行。同一列的值相邻存放，因此压缩更好且可选择性读取——只需读取所需的列。文件被划分为 row groups，末尾的 footer 保存模式和统计信息（min/max），以便快速跳过数据块。