Hardwood 1.0.0.CR1发布，改进了Apache Parquet文件的列式访问API，支持GEOMETRY/GEOGRAPHY列类型。新增RowReader和ColumnReader API，优化了可选和重复列的检索。文档结构重组，便于用户学习和使用。解决了50个问题，预计1.0正式版将在一周内发布。

Hardwood 1.0.0.Beta1发布，作为Apache Parquet的新解析器，优化了依赖和性能。新增S3后端支持直接解析远程文件，支持谓词下推和列投影，减少网络I/O。同时推出命令行工具，方便用户查看Parquet文件的元数据和内容。未来将专注于性能优化和API稳定性。

今天发布了Hardwood，这是一个新的Apache Parquet文件格式解析器，旨在减少依赖并提高性能。Hardwood是开源的，支持Java 21及以上版本，采用多线程解码管道显著加快解析速度，支持行和列两种API，适用于多种数据处理场景。未来计划增加对谓词下推的支持，并实现与parquet-java的兼容层。

半结构化数据在AI和应用日志中普遍存在，但模式变化导致存储和查询困难。Apache Parquet™的Variant数据类型以紧凑的二进制格式存储数据，提升查询性能，并被Delta Lake和Apache Iceberg™采纳。通过二进制编码和分片技术，Variant提高数据处理效率，减少I/O和存储需求。

本文介绍了使用Apache Parquet替代CSV文件格式、复制30年前的笔记本电脑文件、调查调制解调器被黑客入侵的故事、Mac用户的优秀应用程序集合、BitTorrent索引器和Kafka集群管理平台等有趣的技术话题，同时提到了一些有用的工具和资源。

Apache Parquet是一种流行的列式存储格式，使用pyarrow包可以方便地读写Parquet文件，读取部分列而不是整个文件，获取元数据和模式。

本文介绍了Apache Parquet和Delta Lake两种大数据存储格式，以及将Apache Parquet数据湖迁移到Delta Lake的方法。Delta Lake是一种完全符合ACID的数据存储格式，具有时间旅行、回滚、模式强制和模式演化等功能。

本文介绍了一门初学者的计算机科学和Python编程课程，使用Python 3.5编程语言。同时，介绍了使用Apache Parquet实现高并行IO性能的方法和使用Dask并行化Scikit-Learn操作的两种简单方法。最后，提到了一些Python相关的包、模块和库。