请说明在 Apache Iceberg 中，通过并行写入与并行读取来提升数据处理效率的具体做法和原理。

回答思路

1. 【回答框架 1】Iceberg 通过文件级和任务级并行实现高效读写。写入时，多个 Spark 或 Flink 任务可同时写入不同数据文件，Iceberg 利用元数据事务保证提交一致性，避免锁冲突。
2. 【回答框架 2】并行写入的关键是分区和文件大小控制。合理设置分区粒度，避免小文件过多；使用 Iceberg 的写入排序和压缩策略，减少文件数量，提升后续读取效率。
3. 【回答框架 3】读取时，Iceberg 支持谓词下推和列剪枝，并行扫描多个数据文件。通过元数据过滤，只读取相关分区和列，减少 I/O 开销。
4. 【回答框架 4】并行度受集群资源和任务调度影响。需根据数据量和集群规模调整并行任务数，避免过度并行导致资源竞争或小文件问题。
5. 【回答框架 5】实际优化需结合监控和调优，如调整目标文件大小、使用压缩格式（Parquet/ORC）和排序，以平衡写入吞吐和读取性能。
6. 【关键点 1】Iceberg 利用元数据事务支持多任务并行写入，保证一致性。
7. 【关键点 2】并行读取依赖谓词下推和列剪枝，减少扫描数据量。
8. 【关键点 3】合理设置分区和文件大小，避免小文件过多影响效率。
9. 【关键点 4】并行度需根据集群资源和数据特征调整，避免资源竞争。
10. 【易错点 1】并行写入可能导致小文件过多，需定期压缩或设置目标文件大小。
11. 【易错点 2】过度并行可能引发资源竞争，反而降低整体吞吐。
12. 【易错点 3】不能仅依赖并行，需结合数据布局和压缩策略优化。