表

表定义数据的结构。

可以将新数据加载到表中，也可以引用现有位置中的数据。您可以通过创建表权限来定义对表的细粒度访问控制权限。

表可以是外部表，也可以是管理表。

外部表

外部表为存储在不受 Oracle AI Data Platform Workbench 管理的地点中的数据定义结构。在 AI Data Platform Workbench 中创建外部表时，元数据生命周期由 AI Data Platform Workbench 管理。删除外部表时，仅删除表定义。外部表参考的数据不会被删除。

确保您的用户具有创建外部表所需的以下 IAM 策略：

allow group <GroupName> to read buckets in compartment id <external-data-CompartmentId>
allow group <GroupName> to inspect objects in compartment id <external-data-CompartmentId>

外部表需要其他 IAM 策略。有关详细信息，请参阅 Oracle AI Data Platform Workbench 的 IAM 策略。

受管表

托管表为存储在 AI Data Platform 中的数据定义结构，并且只能由 AI Data Platform Workbench 用户访问。

删除托管表时，将删除表定义和表数据。

支持的表格式

格式化	说明	用途
逗号分隔值 (Comma-separated-values，CSV)	数据以文本文件形式存储，该文件具有指定的基于行的文件格式来构建数据。通常，文件中的第一行是包含数据列名的标题行。	用于在系统之间交换表格式数据。文件中的每一行都是表中的一行。
JavaScript 对象表示法 (JSON)	数据以基于文本的标准格式存储，用于表示基于 JavaScript 对象语法的结构化数据。JSON 支持对象或分层结构的列表。	用于流应用程序。JSON 简化了将复杂关系存储在单个文档中的相关数据的存储，并避免了混沌列表转换为关系数据模型。请注意，JSON 不可拆分。
Avro	数据以基于行的二进制格式存储，而模式以 JSON 格式存储，以最大限度地减小文件大小并提高效率。Avro 通过管理添加、缺失和更改的字段，为模式进化提供了可靠的支持。这使得旧软件可以读取新数据，而新软件可以读取旧数据。也称为数据序列化系统。	用于数据存储，因为 avro 文件是可拆分和可压缩的。基于行的串行存储非常适合大量写入事务，例如将数据插入 AI 数据平台。当模式演化在高速写入期间至关重要时，Avro 也是一个不错的选择。
Parquet	数据以列式数据格式存储，具有高度可压缩性和可拆分性。Parquet 针对范式 "Write Once Read Many (WORM)" 进行了优化。它的写入速度很慢，但读取速度非常快，特别是当您仅访问部分列时。	用于解决大数据问题，因为压缩算法可以更好地处理列式数据格式。您可以以各种格式存储大数据，例如图像、视频、文档和结构化数据表。对于读取部分数据时繁重的工作负载，Parquet 是一个不错的选择。例如，当数据集具有多个列，但您仅希望访问部分列。如果您依赖 Spark 或者希望多个服务访问对象存储中存储的相同数据，则更理想。
优化行列 (ORC)	数据以列格式存储在单个文件中的行集合中。	用于跨群集并行处理行集合。当读取事务多于写入事务或压缩为优先级时是理想选择。
差值	数据以列格式存储，该格式使用基于 JSON 文件的事务处理日志扩展 Parquet 数据文件，以用于 ACID 事务处理和可伸缩元数据处理。	用于事务处理支持。