主要观点：Apache Parquet 是表数据交换的事实标准，比 CSV 优越，多数现代数据工具和服务支持读写 Parquet 文件，但 Parquet 文件也有危险，如可能导致读取器崩溃和服务停机。文中通过创建一个 42 千字节的 Parquet 文件，展示其可包含超过 4PB 的数据，利用字典编码、重复数据页和行组等技巧实现。
关键信息：

• Parquet 用二进制、列式和压缩数据表示，支持多种压缩方法。
• 利用单个 64 位整数字典并重复，结合特定编码和技巧可使文件大小小但数据量极大。
• 最终创建出 42 千字节的 Parquet 文件包含 622 万亿值，若在内存中实现需超过 4PB 内存。
  重要细节：
• Parquet 文件由行组、列和页组成，支持字典编码等。
• 文中实现了 DuckDB 的 Parquet 读写器，了解 Parquet 格式过程中发现此现象。
• 可通过特定脚本生成该文件，用于测试 Parquet 读取器，DuckDB 可读取部分数据但全部读取需大量时间。