Twitter 與 Cloudera 的 Parquet 以欄為單位儲存資料，成為大數據的預設格式

在 Hadoop 上進行分析時是逐列讀取記錄，因此一個只需要某個薪資欄位的查詢，仍會拉出每位員工的整筆記錄，而異質記錄的壓縮效果很差。Twitter 自家的資料集巢狀層級深達七層，葉節點超過 80 個。

Twitter 與 Cloudera 打造了 Parquet，這是一種供 Hadoop 使用的開源欄式儲存格式。它不寫入列，而是寫入欄：先寫入所有姓名，再寫入所有年齡，然後寫入所有薪資。它的一大成就在於運用 Google Dremel 的記錄切碎演算法與共用的編碼規格，把巢狀資料切分為欄。

由於一個欄只存放一種型別，通用壓縮與型別專屬壓縮都能獲得改善，而查詢引擎會跳過載入它不需要的欄。自動字典編碼加上位元打包與遊程編碼則縮小了其餘部分。Parquet 不把使用者綁定到任何序列化函式庫，因此許多引擎都採用它。

Parquet 1.0 於 2013 年 7 月推出，貢獻者來自 Twitter、Cloudera、Criteo、Berkeley AMPLab 與 Stripe，而它當時已在 Twitter 的生產環境中運行。

以欄為單位儲存，讓分析能跳過不需要的部分

同質的欄值壓縮效果遠優於混合的列，因此檔案變得小得多。

查詢只載入所需的欄，因此 I/O 與成本大幅下降。

透過 Dremel 切分巢狀資料，意味著複雜的結構定義仍能套用欄式儲存。

不綁定特定框架，讓每個引擎都能採用而不必改寫。

當瓶頸在於讀取與壓縮時，改變實體配置而非邏輯：把同質的值放在一起，能讓昂貴的 I/O 縮減，檔案也免費變得更小。

Parquet 1.0 於 2013 年 7 月推出，迅速成為 Hadoop 與 Spark 生態系中的預設欄式格式，之後也進入資料湖、lakehouse 與雲端資料倉儲。它如今是支援最廣泛的開放儲存格式之一，凡分析需要對寬表進行快速、便宜的掃描之處，都會用到它。