Datenformate im Vergleich nach Struktur und bestem Einsatzbereich.
Datenformate kodieren Struktur und Werte für Speicherung oder Übertragung. Jedes ist für einen anderen Leser optimiert: Menschen, Maschinen oder beide.
Nachschlagetabelle · 33 Einträge
DatenformateExplained
33 of 33 rows
Von Hand editierte Konfiguration
Einrückungsbasierte Schlüssel-Wert-Paare mit Listen und Verschachtelung
Konfigurationsdateien, CI-Pipelines und Datenserialisierung
Tabellen aus Schlüssel-Wert-Paaren mit typisierten Werten
Anwendungskonfiguration in Rust- und Python-Projekten
Flache Abschnitte aus Schlüssel-Wert-Paaren
Einfache Anwendungs- und Systemkonfiguration
Flache KEY=value-Paare, eins pro Zeile
Umgebungsvariablen und Geheimnisse
JSON mit Schlüsseln ohne Anführungszeichen, Kommentaren und nachgestellten Kommas
Von Hand editierte Konfiguration, die JSON-nahe bleibt
JSON mit Zeilen- und Blockkommentaren
Editor-Einstellungen wie die VS-Code-Konfiguration
JSON mit lockeren Anführungszeichen, Kommas und Kommentaren
Menschenfreundliche Konfiguration, die zu JSON konvertiert wird
Typisierte Wertbeschränkungen, durch Unifikation kombiniert
Konfigurationsschemata, Validierung und Kubernetes-Templating
Knoten mit Argumenten, Kindern und Verschachtelung
Konfigurationsdokumente als YAML-Alternative
Strukturen und Enums im Rust-Stil mit Verschachtelung
Rust-App- und Spielzustand über serde
Binäre Eigenschaftsbäume aus Schlüsseln, Listen und Werten
Anwendungseinstellungen unter macOS und iOS
XML-Tags, die Property-List-Schlüssel und -Werte kodieren
Lesbare Apple-Property-Lists in Xcode-Projekten
Maschineller Austausch
Verschachtelte Objekte und Arrays mit typisierten Werten
APIs und Konfiguration überall
Tags mit Attributen und tiefer Verschachtelung
Dokumente, SOAP und Altsysteme in Unternehmen
Zeilen kommagetrennter Werte unter einer Kopfzeile
Tabellendaten und Austausch mit Tabellenkalkulationen
Kompakte binäre Objekte und Arrays
Schnelle, kleine Maschine-zu-Maschine-Payloads
Ein JSON-Objekt pro Zeile ohne äußeres Array
Streaming-Logs, Ereignis-Pipelines und Append-only-Exporte
Spaltenorientiertes Binärlayout mit Kodierung und Statistiken pro Spalte
Analytische Abfragen über Spaltenteilmengen in Data Lakes
Schemadefinierte Datensätze in kompakter Zeilenkodierung
Kafka-Pipelines und Hadoop-Daten mit sich entwickelnden Schemata
Kompakte markierte Felder, deklariert in einem separaten Schema
gRPC-Dienste und sprachübergreifender Nachrichtenaustausch
Binäres JSON mit zusätzlichen Typen für Datum, Binärdaten und IDs
MongoDB-Speicherung und Übertragungsprotokoll
Schnittstellendefinierte Strukturen mit kompakter Binärkodierung
Sprachübergreifendes RPC und Serialisierungspipelines
Struct-Layout, direkt gelesen ohne Dekodierungsschritt
Zero-Copy-Parsing, wo Latenz zählt
Flache Tabellen aus Feldern, per Offset angesprochen
Spiel- und Mobile-Daten, an Ort und Stelle gelesen ohne Allokation
Spaltenorientierte In-Memory-Arrays in einem gemeinsamen Layout
Zero-Copy-Tabellenaustausch zwischen Analysebibliotheken
Spaltenorientierte Stripes mit Kompression und leichten Indizes
Hive-Tabellen und Speicherung im Warehouse-Maßstab
Kompakte Binärkodierung des JSON-Datenmodells
Ressourcenbeschränkte Geräte und CoAP-basierter IoT-Verkehr
Binäres JSON mit geteilten Referenzen für wiederholte Schlüssel
Durchsatzstarke Java-Dienste auf Basis von Jackson
Domänenformate
JSON-Objekte, die Punkte, Linien und Polygone kodieren
Webkarten und APIs für Geodaten-Features
JSON-Log von HTTP-Anfragen, -Antworten und Zeitmessungen
Zum Debuggen geteilte Browser-Netzwerktraces
XML-Feed-Einträge mit Titel, Datum und Link
Veröffentlichen von Updates für Feed-Reader
Klartext mit Satzzeichen-Markern für Überschriften und Hervorhebungen
READMEs, Doku und Inhalte statischer Websites
Gezippte XHTML-Kapitel mit Paket- und Spine-Metadaten