Snowflake 建议在摄取前拆分大文件：
为了优化负载的并行操作数量，我们建议以生成压缩后大小约为 100-250 MB（或更大）的数据文件为目标。 https://docs.snowflake.com/en/user-guide/data-load-considerations-prepare.html
拆分和压缩大文件的最佳方法是什么？
【问题讨论】：
标签： split command-line-interface gzip snowflake-cloud-data-platform
这是我能想到的最好的命令行序列：
cat bigfile.json | split -C 1000000000 -d -a4 - output_prefix --filter='gzip > $FILE.gz'
将第一步替换为将 JSON 或 CSV 输出到标准输出的任何内容，具体取决于源文件。如果是普通文件cat 可以，如果是.gz 然后gzcat，如果是.zstd 然后unzstd --long=31 -c file.zst，等等。
然后split:
-C 1000000000 创建 1GB 文件，但为了行完整性考虑行尾。-d 给每个文件一个数字后缀（我更喜欢这个而不是默认字母_-a4 使数字后缀长度为 4（而不是只有 2）- 将读取管道中前一个 cat 的输出output_prefix 是所有输出文件的基本名称--filter='gzip > $FILE.gz' 使用 gzip 即时压缩 1GB 的文件，因此每个最终文件的最终大小约为 100MB。Snowflake 可以摄取 .gz 文件，因此最后的压缩步骤将帮助我们在网络中移动文件。
【讨论】：