用途：Zarr 用于存储带分块和压缩的大型 N 维数组，适合高效并行 I/O、云原生工作流，以及与 NumPy、Dask、Xarray 集成。本技能面向 zarr-python 3.x（当前 3.4.0），默认写入 Zarr v3 格式。
主要能力：创建、打开或写入分块压缩的 N 维数组（zarr.create_array、组、属性）；为访问模式选择分块形状、分片和编解码器（Zstandard、Blosc、Gzip）；将数组放到 S3/GCS 等对象存储并远程读取切片（合并元数据、分片）；把 HDF5/NumPy/NetCDF 数据转换为 Zarr，或将 Zarr v2 时代代码（compressor=、synchronizer=、create_dataset）迁移到 v3。
使用方式：安装 uv pip install zarr；云存储需安装对应 fsspec 后端，如 uv pip install s3fs（S3）或 uv pip install gcsfs（GCS）。基本流程为：创建或打开数组/组并选择存储（本地、内存、ZIP、S3/GCS）；按访问模式选择分块（建议 1-10 MB）；通过 compressors= 选择压缩，默认 Zstandard，Blosc+LZ4 较快，Gzip 压缩比最高，compressors=None 可禁用；用 NumPy 风格索引读写，并随数据增长调整大小或追加；用 Dask 扩展或 Xarray 标注。云和大量数组场景可合并元数据并考虑分片以减少对象/文件数量。
适用场景：需要分块压缩 N 维数组、云对象存储远程切片、格式转换或 v2 到 v3 迁移时。
限制：并行或分布式计算已存于 Zarr 的数组应改用 alterlab-dask；探索未知数据文件并写结构/质量报告用 alterlab-eda；单细胞 AnnData 对象用 alterlab-anndata；大型 CSV/Parquet 表格分析用 alterlab-polars。合并元数据是 zarr-python 约定，尚未纳入 v3 规范，其他读取器可能忽略。zarr 3.2+ 需要 Python 3.12+ 和 NumPy 2（3.1.x 仍支持 Python 3.11）。