基于Apache Hudi新一代数据湖实践

根据维基百科对数据湖的定义：数据湖（Data Lake）是一个以原始格式存储数据的存储库或系统，它按原样存储数据，无需事先对数据进行结构化处理。一个数据湖可以存储结构化数据（如关系型数据库中的表），半结构化数据（如CSV、日志、XML、JSON），非结构化数据（如电子邮件、文档、PDF）和二进制数据（如图形、音频、视频）。

在实际的业务应用中，数据湖作为一个集中式存储库，它以更低的存储成本，更方便的方式解决不同类型数据统一存储的问题，同时还能够为机器学习提供全局数据。

数据湖与数据仓库的区别

小编拿数据湖和被熟知的数据仓库在功能特性上做了对比，为了大家更好的理解数据湖的应用。

特性	数据仓库	数据湖
数据类型