混合数据湖的好处

在存储大数据时，数据湖和数据仓库都是既定术语，但是这两个术语不是同义词。数据湖是尚未确定用途的大量原始数据。另一方面，数据仓库是用于特定目的的结构化过滤数据的存储库。

[[376190]]

共同点

数据仓库和数据湖代表了一个中央数据库系统，可以在公司中用于分析目的。该系统从各种异构数据源中提取，收集和保存相关数据，并提供给下游系统。

数据仓库可以分为四个子过程：

• 数据获取：从各种数据存储库中获取和提取数据。
• 数据存储：包括长期归档在内的数据仓库中的数据存储。
• 数据提供：向下游系统提供所需的数据，提供数据集市。
• 数据评估：对数据库存的分析和评估。

差异性

数据仓库将经典的ETL流程与关系数据库中的结构化数据结合使用，而数据湖则使用诸如ELT的范式和读取模式以及经常使用的非结构化数据[2]。

> Differences Data Warehouse vs. Lake

在上方，您可以看到主要区别。您使用的技术也完全不同。对于数据仓库，您将使用SQL和关系数据库，而对于数据湖，您可能将使用NoSQL或两者的混合。

将两者结合在混合数据湖中

那么如何将这两个概念结合起来?在下图中，您可以从高角度查看架构。

该过程是将非结构化和未转换的数据加载到数据湖中。从这里，一方面可以将数据用于ML和Data Science任务。另一方面，数据也可以转换为结构化形式并加载到数据仓库中。从这里，可以实现通过数据集市和(自助服务)BI工具进行的经典数据仓库分发。

> Hybrid Data Lake Concept — Image from Author

可以用于此体系结构的主要技术例如：

• 通过talend，Google Dataflow，AWS Data Pipeline进行ELT / ETL流程
• 通过Data Lake-HDFS，AWS Athena和S3，Google Cloud Storage
• 数据仓库通过-Google BigQuery，AWS Redshift，Snowflake

注意：诸如Google的BiqQuery或AWS Redshift之类的技术通常被视为数据仓库技术与数据湖技术之间的混合体，因为它们通常已经具有NoSQL的某些特征。

结论

本文介绍了如何使用混合数据湖。数据湖使您的公司能够灵活地以数据形式捕获业务运营的各个方面，同时保持传统数据仓库的生命周期。

原文链接：https://towardsdatascience.com/what-is-a-hybrid-data-lake-b7ef2c3cce0c