一位机器学习工程师将使用 Amazon SageMaker Canvas 训练一个模型，该模型使用存储在 Amazon S3 中的复杂结构化数据。哪种文件格式能最大限度地减少该数据预处理时间？

Apache Parquet 是一种列式存储格式，特别适合大数据分析工作负载。它通过列式存储和高效压缩，显著减少了数据读取量和预处理时间，尤其对于 SageMaker Canvas 处理复杂结构化数据时，能够更快地加载和准备数据。 其他选项： 用 Snappy 压缩的 CSV 文件：CSV 是行式存储，即使压缩也无法提供 Parquet 那样的列式读取效率，对于只查询部分列的场景效率较低。 JSONL（换行符分隔的 JSON）格式的 JSON 对象：JSONL 虽然易于阅读和处理，但它也是行式存储，且通常不如 Parquet 压缩效率高，解析复杂 JSON 结构也会增加预处理开销。 用 gzip 压缩的 JSON 文件：与 JSONL 类似，JSON 文件是行式存储，gzip 压缩虽然有效，但无法改变其行式读取的本质，且解压缩通常比 Parquet 的列式读取和内部编码效率低。