在数据馈送中使用Parquet文件
Customer Journey Analytics数据馈送以Parquet格式交付文件。 大多数现代数据仓库可以直接读取Parquet文件，因此在使用这些文件之前，您通常不需要转换这些文件。
使用以下信息了解为什么数据馈送使用Parquet，Parquet与其他文件格式相比有何差异，以及如何在Data Warehouse中查询或加载Parquet文件。
使用Parquet进行数据馈送的优势
由于以下原因，Parquet比CSV、TSV或JSON更适合数据馈送输出：
-
宽馈送：数据馈送可以有数百列。 Parquet允许查询只读取它需要的列。
-
嵌套字段： Parquet以本机方式表示嵌套字段，如产品列表。 CSV和TSV只能通过将它们编码为字符串来表示它们。 有关详细信息，请参阅数据馈送中的子事件组件。
-
大型导出： Parquet通常可降低存储和传输成本。 它还可避免在加载数据时进行文本解析和类型推测。
Parquet与CSV、TSV和JSON的比较
CSV、TSV和JSON是常见的基于文本的文件格式：
-
CSV和TSV：每一行数据都是一行纯文本，其值由逗号(CSV)或制表符(TSV)分隔。 Adobe Analytics数据馈送提供TSV文件。 有关Customer Journey Analytics和Adobe Analytics中的数据馈送之间的其他差异，请参阅比较Customer Journey Analytics和Adobe Analytics中的数据馈送。
-
JSON：每个记录都存储为具有命名字段的文本，并且可以包含嵌套数组和对象。
下表详细列出了Parquet、CSV、TSV和JSON之间的差异：
查询或加载Parquet文件
数据馈送文件将以Parquet格式传送到您创建数据馈送时选择的云存储位置。
您通常不会下载文件，而是将数据仓库连接到存储位置。 然后可以通过以下任一方式使用Parquet文件：
就地查询文件
定义指向云存储中文件的外部表。 当您运行查询时，数据仓库会读取文件。
- Snowflake：外部表或针对外部阶段的查询
- 数据库：Amazon S3、Azure Data Lake Storage (ADLS)或Google Cloud Storage上的外部表
- BigQuery： Google云存储上的外部表
- Amazon Redshift： Amazon S3上的Redshift频谱
将文件加载到托管表中
将文件加载到受管表中是定期工作负载的常见选择。 例如：
- Snowflake：
COPY INTO - BigQuery：加载作业
- 数据库：
COPY INTO或自动加载程序
将Parquet数据转换为CSV或JSON
如果您的下游流程需要CSV或JSON文件，则大多数数据仓库和工具都可以在加载Parquet数据后将它导出为任一格式。 例如，在Snowflake中，您可以以CSV或JSON格式卸载包含COPY INTO的查询结果。