【数仓】数据存储格式的选择：Parquet与ORC

大家好，我终于又出现了！

这次要讲讲数据存储格式Parquet和ORC之间的选择！

平时呢，我也会加一些有的没有的交流群，主要还是日常潜水看看里面有没有大佬！

然后就遇到了一个问题：hadoop上存储的数据，要进行查询，用什么格式存储更好？

我下意识的反应是ORC，因为ORC的压缩比更高（文件能压缩的更小），但是转念一想，ORC和Parquet都是列式存储的格式，两者之间有什么区别呢？或者说在最开始选择数据存储格式的时候，我们需要关注哪些点呢？

这另我陷入了沉思，开始在网上收集相关信息！

一、orc和parquet的区别

首先关于这两个格式的区别，我搜索到了不少东西！

国内的各大it博客平台流传这这么一份博客，具体出处是哪里，我考究不了了，随便贴个链接出来大家看看就好：https://developer.aliyun.com/article/226990

stackoverflow有类似的问题：https://stackoverflow.com/questions/53648218/when-to-use-parquet-over-orc-or-orc-over-parquet

甚至找到YouTube上的视频：https://www.youtube.com/watch?v=NZLrJmjoXw8