概述

同一份数据以不同的格式保存，数据所占用的存储空间不同，使用DLA扫描数据时所花费的时间和费用也不同。通常情况下，同一份数据以ORC格式和PARQUET格式存储时，其数据扫描性能要优于普通文本CSV格式。您可以将文本类型的数据转换为ORC格式或者PARQUET格式存储，再通过DLA扫描转换格式后的数据，在提高数据扫描性能的同时也帮助您节省一定的DLA数据扫描费用。

大部分用户都是以CSV格式将数据存储在OSS上，如需提高数据扫描性能，需要借助第三方工具对文件进行格式转换，然后将转换后的数据文件上传至OSS，最后再使用DLA进行数据扫描，整个过程比较繁琐。为减轻您的工作量，您可以直接使用DLA来转换文件格式。

文件格存储占比

假设将1.2GB的数据以CSV、TSV或者LOG等格式存储在OSS中，通过DLA将CSV、TSV或者LOG格式转换为其他格式后，数据在OSS中所占用的存储空间如下表所示。

存储格式	数据来源及特点	数据量增大或减少	详细数据量
JSON	大量应用产生JSON类型的数据，冗余数据量大。	增大151.7%	3.02GB
AVRO	Hadoop生态格式的数据，数据由大部分遗留系统产生。	增大8.3%	1.3GB
RCFile	Hadoop生态格式的数据，数据由大部分遗留系统产生。	减少2.5%	1.17GB
Parquet	Hadoop生态格式的数据。 数据采用高性能的列存储格式，提升数据查询性能。 支持嵌套的数据模型。 自带性能友好的统计元信息。	减少53.3%	560MB
ORC	Hadoop生态格式的数据。 自带性能友好的统计元信息。 高压缩比	减少80.4%	235MB