逗号分隔值文件格式 (CSV)

逗号分隔值文件格式（CSV, Comma-Separated Values）是一种广泛使用的纯文本数据交换格式，其核心机制是将表格数据扁平化为单行多列的文本流，其中逗号（英文逗号，英文逗号）充当字段间的分隔符，而换行符则界定不同的数据记录。该格式起源于电子表格软件（如 Lotus 1-2-3），旨在解决不同操作系统间文本文件编码与换行符差异（如 Windows 的\r\n 与 Unix 的\n）导致的兼容性问题。尽管现代数据库和大数据生态已发展出更复杂的列式存储格式，CSV 凭借其无需二进制解析、人类可读性强及工具链成熟度，依然是数据仓库 ETL 流程、日志分析以及跨系统数据迁移中的事实标准。

在现代计算架构中，CSV 扮演着‘通用数据方言’的关键角色，它充当了异构数据源与复杂分析引擎之间的桥梁。其核心价值在于极低的存储开销（无二进制头尾、无压缩算法开销）和极高的互操作性，任何文本编辑器或命令行工具均可直接处理。在大数据领域，虽然 Parquet 或 ORC 等列式格式在查询性能上占据主导，但 CSV 在数据摄入阶段（Ingestion）和初步清洗阶段仍不可或缺。然而，随着数据规模的扩大，CSV 在处理复杂数据类型（如嵌套结构、特殊字符）时的局限性日益凸显，促使架构师在数据建模阶段需引入更严谨的 Schema 约束或采用半结构化格式（如 JSON）作为替代方案，以平衡灵活性与工程效率。