本讲义出自Owen O’Malley在Hadoop Summit Tokyo 2016上的演讲，主要分享了Avro, JSON, ORC & Parquet这些文件基本格式的相关内容，介绍了文件格式如何发挥不同的作用以及他们如何才能更好地发挥作用以及这些文件数据格式的各自的优点，还分享了如何使用真实的、多样化的数据集，并介绍了过度依赖类似的数据导致的弱点以及开放和审查基准。