adatformátumot

Az adatformátum az a formátum, amelyben adatok tárolódnak vagy továbbítódnak, és amely meghatározza a szerkezetet, a kódolást és az értelmezés módját. A formátum lehet ember által olvasható vagy gép által feldolgozott, és gyakran összefügg a rendelkezésre álló sémával vagy leírással.

Szöveges adatformátumok közé tartozik a CSV, JSON, XML és YAML. Ezek könnyen olvashatók, egyszerűek vagy önleíró szerkezetűek, de a legtöbb esetben hiányzik bennük a beépített séma, ami a változatkövetést és a validációt nehezítheti. Bináris adatformátumok például a Parquet, Apache Avro, Protocol Buffers, MessagePack és HDF5. Ezek gyakran tömörítettek, gyorsabbak a gépi feldolgozás során, és sokszor sémaalapú vagy beépített sémával rendelkeznek, ami elősegíti a nagy adathalmazok hatékony kezelését.

Az adatformátumokat adatátvitelre, API-k kommunikációjára, adatbázisok exportjára és adattárházakba történő betöltésre használják. A választásnál mérlegelni kell az olvashatóságot, a kompatibilitást, a teljesítményt, a skálázhatóságot és a jövőbeni fenntarthatóságot. Némely formátum önleíró, másokhoz pedig külső séma szükséges.

Ismert példák: JSON gyakori REST API-kon; XML korábban elterjedt SOAP-alapú szolgáltatásoknál; Parquet és ORC nagy adathalmazok elemzéséhez; Protobuf vagy Thrift hatékony üzenetküldéshez. A megfelelő adatformátum kiválasztása a feladat környezetétől és a feldolgozás módjától függ.