【发布时间】：2016-01-19 10:31:53
【问题描述】：
这是因为 parquet 文件使 OLAP 查询更快，因为它是列格式，但另一方面，datalake 是重复的（原始数据 + parquet 数据）。 就算parquet可以压缩，你不觉得复制所有的数据会很费钱吗？
【问题讨论】：
【发布时间】：2016-01-19 10:31:53
【问题描述】：
这取决于您的用例。如果您出于各种原因需要数据，例如暂存数据和查询，则可能需要复制。
Parquet 最适合查询，尤其是经常只涉及特定列的 OLAP 查询。同时，编写 Parquet 文件比其他文件花费更多的时间。
简而言之，如果您的两个数据都是 OLAP 查询的目标，您可能需要考虑仅使用 Parquet 版本的文件。
【讨论】：