用途：本技能是一份面向分析与机器学习的数据序列化格式指南，帮助在 Parquet、Apache Arrow（Feather/IPC）、Lance、Zarr、Avro 与 ORC 之间做选择，涉及压缩取舍、分区策略与格式转换。
主要能力：提供格式对比维度（列式/行式、最佳用途、压缩、Schema 演进、随机访问）；给出选型建议，如分析查询与数据湖选 Parquet、进程间零拷贝与 ML 训练选 Arrow/Feather、向量与多模态选 Lance、N 维数组与地理空间选 Zarr、流式与 Kafka 选 Avro、Hive/Hadoop 生态选 ORC；并说明各格式关键概念，如 Parquet 的行组、列块、页、统计信息与字典编码，Arrow 的零拷贝与 Flight RPC，Lance 的内置向量索引与版本控制，Zarr 的分块与云存储，Avro 的 Schema 演进，ORC 的条带统计。
使用方式：文档给出 Polars、PyArrow、fastavro、zarr、lancedb 等库的读写示例，并涉及与云存储（S3/GCS）结合、格式互转（如 Avro→Parquet、Arrow→Lance、Zarr→Parquet）、Hive 风格分区发现与性能调优建议（行组大小、压缩级别、分块对齐访问模式）。相关依赖技能为 @data-engineering-core、@data-engineering-storage-remote-access、@data-engineering-storage-lakehouse。
适用场景与限制：适合数据工程师与 ML 工程师选型、调优与迁移存储格式；但具体收费、价格、平台支持与性能数字暂未提供，需以官方规格与实测为准。