数据湖到底是什么湖？

只摘不看 2020-08-04

展开全文

数据作为一项重要资产，已经成为企业的共识，为了更好地存储数据、挖掘数据，企业需要：

· 一个超级大的存储库，对数据进行长期的原样的存储；

· 能够对这些数据高效地管理与集中治理；

· 需要强大的计算能力满足数据处理需求。

假设有这样一种解决方案：在一种技术的支持下，企业在快速实现企业中各类的数据集成的同时，也能轻松获取企业外部数据，打通产业链上下游数据，实现生态化数据整合，实现全貌数据分析。同时，数据存储量大，支持批量历史数据和实时流数据的处理，能够实现数据的快速查询和高级分析。

这样的解决方案，你是否会心动？

其实，这个方案，通过数据湖就能实现。

一、什么是数据湖？

数据湖概念的提出，最早是在2010年，由Pentaho的创始人兼CTO詹姆斯·狄克逊(James Dixon)在纽约Hadoop World大会上提出的，就在当时，发布了如今被大数据界广泛使用的开源框架Hadoop的第一个版本。

近两年，随着大数据、云计算等技术的发展与成熟，数据湖再次被人们提起，人们对原始数据的分析、非结构化数据的分析的应用也越来越多，数据湖开始走向企业的实际应用中。

维基百科对数据湖的定义：数据湖是一个以原始格式(通常是对象块或文件)存储数据的系统或存储库。数据湖通常是所有企业数据的单一存储，用于报告、可视化、高级分析和机器学习等任务。数据湖可以包括来自关系数据库的结构化数据(行和列)、半结构化数据(CSV、日志、XML、JSON)、非结构化数据（电子邮件、文档、pdf）和二进制数据（图像、音频、视频）。

根据网上资料，有一张数据湖的参考架构：

从架构上来看，数据湖的主要特征有：

数据接入：数据湖提供各种类型数据的接入，包括数据库中的表、各种格式的文件、数据流、ETL工具转换后的数据、应用API获取的数据等等，并自动生成元数据信息。
数据存储：数据湖存储的数据量大、来源多，并且是以原始格式存储，不同于数据仓库的结构化存储方式，数据湖以自然格式存储数据。
数据处理：支持数据的验证、清洗、聚合、权限管理以及数据安全等。
数据应用：除了BI、报表分析、可视化分析、高级分析外，也适用于机器学习。

数据湖本质上是一套先进的企业数据架构。

2、数据湖和数据仓库有什么区别呢？

在这里，我们拿数据湖和熟知的数据仓库进行对比，方便大家对数据湖进一步理解。

通过对比，我们可以看到数据湖相比于数据仓库，不仅在数据源上更丰富，数据也不需要提前进行定义，在准备使用数据时再定义即可，这提高了数据的灵活性与可扩展性。

数据湖在未来的使用中应用范围更广，使用场景也从批处理、BI扩展到机器学习、高级分析。

三、数据湖能够给企业带来哪些价值？

通过对数据的分析与应用成功创造商业价值的企业，将会在数字化浪潮下越走越远。数据湖的核心价值是为企业带来了数据平台化运营机制，真正帮助企业实现技术转型，应对快速发展的商业环境下层出不穷的新问题。据Aberdeen 的一项调查显示，实施数据湖的组织比同类公司在有机收入增长方面高出 9%。

数据湖对企业的价值主要体现在：

1、保存原始数据，企业数据保真

数据仓库保存的数据都是结构化处理后的数据，而非原始数据，且无用数据不会被纳入。但是目前看来'无用'的数据是否真的没有用处呢？其他格式的数据是否没有价值？有用无用依赖的是我们业务人员的经验来判断的，这明显不符合大数据的原则，而数据湖能够保存原始数据，同时过程数据会不断的完善、演化，以满足业务的需要，保证用户能获取到各个阶段的数据。