数据湖、数据集市、数据仓库 入门级理解

数据湖、数据集市、数据仓库

每个应用程序会产生、存储大量数据，而这些数据并不能被其他应用程序使用，这种状况导致数据孤岛的产生。

数据湖

是一个存储企业的各种各样原始数据的大型仓库。
存储所有类型的数据，如结构化数据，非结构化数据，半结构化数据等，数据的类型依赖于数据源系统的原始数据格式。
数据湖通常包含更多的相关的信息，这些信息有很高概率会被访问，并且能够为企业挖掘新的运营需求。

数据仓库

只能对结构化数据进行处理，而且这些数据必须与数据仓库事先定义的模型吻合。
处理结构化数据，将它们或者转化为多维数据，或者转换为报表，以满足后续的高级报表及数据分析需求。

数据湖与数据仓库的差别很明显。然而，在企业中两者的作用是互补的，不应认为数据湖的出现是为了取代数据仓库，毕竟两者的作用是截然不同的。

数据仓库与数据集市

数据仓库中数据结构采用的规范化模式，三范式（关系数据库设计理论）是面向企业（数据粒度，最细的粒度）
数据集市的数据结构采用的星型模式，雪花模型、两者混合（多维数据库设计理论）是面相部门（数据粒度，较粗的粒度）