Dataformaatti

Dataformaatti tarkoittaa tapaa jäsentää ja koodata tieto, jotta se voidaan tallentaa tai siirtää. Se määrittelee tiedon syntaksin, semantiikan ja koodauksen sekä usein siihen liittyvän metadata. Formaateja on sekä ihmisille luettavia että koneille luettavia, ja ne voivat sisältää skeeman tai rakenteen, jonka avulla data tulkitaan oikein.

Yleisimmät tekstiformaatit ovat JSON, XML, CSV ja YAML. Niiden etuna on inhimillinen luettavuus ja laaja tuki ohjelmistoissa, mutta ne voivat olla suurempikokoisia ja hidastaa käsittelyä suurissa datamäärissä. Binääriformaatit, kuten Parquet, Avro ja Protocol Buffers, tarjoavat tehokkaan tallennuksen ja nopean käsittelyn erityisesti suurissa datamäärissä; ne eivät yleensä ole suoraan luettavissa ilman erikoistyökaluja.

Monet formaatit tukevat skeemoja, kuten JSON Schema, XML Schema tai Protobuf-skeemit. Skeemat mahdollistavat validoinnin, dokumentaation ja yhteentoimivuuden varmistamisen eri järjestelmien välillä.

Dataformaattien valinta vaikuttaa tiedonvaihdon yhteentoimivuuteen, tallennuksen kustannuksiin ja suorituskykyyn. Käyttötapauksia ovat muun muassa web-API-rajapinnat (yleisesti JSON tai XML), suurten datamäärien tallennus ja analyysi (Parquet, ORC), konfiguraatiotiedostot ( YAML tai JSON) sekä lokitiedostot (esimerkiksi JSON Lines).

Yhteenvetona dataformaatti on keskeinen tekijä datan hallinnassa. Oikean valinnan tekeminen riippuu tiedon rakenteesta, käyttötilanteesta, vaaditusta yhteentoimivuudesta ja suoritusvaatimuksista.