逗号分割值格式

逗号分隔值（CSV）是一种基于纯文本的二维表格数据交换格式，其核心特征是将表格的每一行数据表示为一串以逗号分隔的字段值。该格式最早由 IBM 在 1960 年代提出，旨在解决早期数据库系统间数据共享的互操作性问题。在技术演进中，CSV 因其无需额外二进制扩展文件、人类可读性强以及任何文本编辑器均可解析的特性，成为了事实上的数据交换标准。尽管现代大数据处理更倾向于 Parquet、Avro 等列式存储格式，CSV 凭借其零开销的解析逻辑和广泛的兼容性，依然在数据清洗、ETL 流程及临时数据交换中占据不可替代的基础地位。

在现代计算架构中，CSV 扮演着‘数据通用语言’的关键角色，它填补了结构化数据库与原始数据源之间的鸿沟。其核心价值在于极致的轻量级与兼容性：文件体积仅为二进制格式的二分之一甚至更小，且无需特定解析器即可被操作系统、Excel、Python 等工具直接识别。在大数据生态中，CSV 常作为数据湖的原始摄入层（Ingestion Layer），负责将异构来源的数据标准化为统一格式，供后续由 Spark、Hadoop 等引擎进行分布式处理。然而，随着数据量级的指数级增长，CSV 在处理大规模并行计算时的性能瓶颈日益凸显，促使架构师在选型时需权衡其通用性与高性能列式格式（如 Parquet）之间的利弊，通常采取‘小数据用 CSV，大数据用列式’的混合策略。