Formato de arquivo de armazenamento colunar otimizado para processamento de big data.
Tipo de arquivo: arquivo de banco de dados
O formato de arquivo .parquet é uma tecnologia de armazenamento colunar projetada para processamento e análise eficientes de dados. É amplamente utilizado em frameworks de big data como Apache Hadoop, Apache Spark e outras ferramentas de análise. Arquivos nesse formato são otimizados para desempenho de leitura e eficiência de armazenamento.
Categoria do tipo de arquivo:
arquivo de banco de dados
Data de atualização: 21 de julho de 2026
Parquet é um formato de arquivo de armazenamento em coluna de código aberto desenvolvido para suportar o armazenamento e a recuperação eficientes de grandes conjuntos de dados. Foi criado pela Apache Software Foundation como parte do ecossistema Apache Hadoop e tornou-se um padrão no processamento de big data devido às suas vantagens de desempenho.
Este formato armazena dados de maneira orientada a colunas, o que permite uma compressão e codificação mais eficientes, especialmente para consultas analíticas que acessam apenas um subconjunto de colunas. Os arquivos Parquet podem conter estruturas de dados aninhadas complexas, tornando-os adequados para vários tipos de dados e esquemas. O formato suporta múltiplos algoritmos de compressão como SNAPPY, GZIP e LZO, aumentando ainda mais a eficiência do armazenamento.
Compatível com diversas plataformas e linguagens, o Parquet é suportado por frameworks populares de processamento de dados, como Apache Spark, Apache Drill, Hive e Pandas. Seu design permite consultas e recuperações rápidas, tornando-o uma escolha preferida em data warehousing, aprendizado de máquina e aplicações de análise de big data.
Para abrir um arquivo .parquet, você pode usar ferramentas de software como Apache Spark, Apache Drill ou Hive em sistemas Windows, Mac ou Linux. Programas de análise de dados, como Pandas com Python, também suportam a leitura de arquivos Parquet por meio de bibliotecas como PyArrow ou fastparquet. Ferramentas especializadas como Parquet Viewer ou Databricks podem oferecer interfaces gráficas para visualizar e explorar dados Parquet.
Converter outros formatos de dados para ou a partir de Parquet pode ser realizado usando ferramentas como Apache Spark, PyArrow ou fastparquet em Python. Essas bibliotecas suportam leitura e escrita de arquivos Parquet e podem ser integradas em pipelines de dados. Conversores online para Parquet são limitados, mas ferramentas desktop e utilitários de linha de comando oferecem opções confiáveis para conversão de formatos. Por exemplo, o comando spark-submit do Apache Spark pode converter arquivos CSV, JSON ou Avro para o formato Parquet de forma eficiente.
Language