数据仓库与数据湖的区别

数据湖通常包含用于高级分析应用程序的各种大数据集，而数据仓库则存储用于基本 BI、分析和报告用途的传统事务数据。下面，让我们更仔细地看一下这两个数据存储以及它们之间的差异。

1.什么是数据湖？

数据湖通常是一个庞大的存储库，以本机格式存储原始数据。数据湖的一个好处是它
可以存储不同结构的数据，而不仅仅是传统的结构化数据。每个存储的数据元素都有
一个唯一的标识符和元数据标记，因此在需要时可以更容易地查询。但是，当数据被
提取时，数据湖不需要预定义的模式。相反，数据科学家和其他分析师可以将架构应
用于数据集，并在提取过程完成后根据特定的分析需求对其进行筛选。

当数据湖首次出现时，它们通常与Hadoop分布式处理框架相关联，但随着企业中数
据的不断涌入，架构选项已经增加到包括其他大数据平台。许多T供应商现在还支持
云中的数据湖，通常将Spak处理引擎和云对象存储服务结合起来。

2.什么是数据仓库

数据仓库是由业务应用程序生成或收集的数据的存储库，然后存储用于预定的分析目
的。大多数数据仓库都建立在关系数据库上，因此，它们确实对数据应用了预定义的
架构。此外，在加载数据之前，通常必须按照预期用途对数据进行清理、整合和组
织。

由于数据仓库中的数据已经被处理，因此进行高级分析相对容易。业务经理和其他不
熟练的数据或分析专业人员可以使用自助BI工具（比如FineBl)自行访问和分析数
据。企业数据仓库为整个组织提供集中的数据存储库，同时可以为各个部门设置较小
的数据集市。与数据湖一样，云数据仓库越来越多地被部署为本地数据仓库的替代方
案