ORC 转 JSONL

将 Optimized Row Columnar(.orc)文件转换为 JSON Lines(.jsonl)格式。

源文件 Optimized Row Columnar:ORC(Optimized Row Columnar)是 Apache Hive 生态的列式存储格式,针对 Hadoop 大数据场景深度优化:谓词下推、轻量压缩、ACID 事务支持与向量化执行,是 Hive 数仓表的首选存储。转换为 Parquet 可跨 Spark/Impala 生态,转 CSV/JSON 便于小规模分析,转 Feather 供 Python 快速读取。

目标格式 JSON Lines:JSONL(JSON Lines)是每行一个独立 JSON 对象的流式文本格式,无需把整个文件载入内存即可逐行解析,天然适合追加写入与断点续读。它是大语言模型训练数据(OpenAI finetune 格式)、日志管道、Elasticsearch 批量索引的标准载体。转换为 JSON 数组便于通用工具处理,转 CSV/Parquet 便于分析,转 TXT 直接抽取语料。

1选择源格式文件
支持格式:.ORC
2目标格式
.orc .jsonl
大文件或复杂格式转换可能需要 1-2 分钟,转换完成后自动下载。请勿关闭或刷新页面。