什么是湖仓一体

数据湖回顾

在之前的文章《什么是数据湖》中提到数据湖遇到的几个挑战：

1. 不支持事务，缺乏对数据质量和治理的约束，缺乏性能优化的手段。
2. 缺乏对数据质量和治理的约束，数据存在可靠性的问题
3. 元数据存储的扩展性差，随着数据湖的数据越来越多，查询性能变得越来越慢

湖仓是如何解决这些挑战的

如何解决数据湖面临的挑战？在数据湖的基础之上引入事务层，把数据湖和数据仓库的优点有机结合在一起，形成了一个可以同时支持数据分析、数据科学、机器学习运行的系统。

什么是湖仓

湖仓的主要特性：

• 事务支持：一个企业级的湖仓会有同时多个数据流并发的读和写。ACID事务的支持可以保证并发读写数据时的一致性。
• BI支持：支持通过BI工具直接访问数据，以降低延迟、并且降低了成本（一份数据不需要同时在数据湖和数据仓库中存储两个拷贝）。存算分离：存储和计算分开在不同集群，方便扩展以支持存储更多的数据和支持更多的并发访问。
• 开放：存储格式开放，如Parquet; 提供标准化的访问API以支持各种不同的工具和引擎高效地操作数据。
  支持各种不同的数据类型，非结构化到结构化：湖仓支持各种应用程序存储、修改、分析、访问像图像、视频、音频、半结构化数据和文本。
• 支持不同的工作负载：包括数据科学、机器学习、SQL和分析。
• 端到端的流：实时报表是企业中常见的应用。对流的支持，使得企业不需要再额外搭建一套系统来服务实时的应用。

以上都是湖仓的主要特性。当然，企业级的应用还需要其他额外的特性，如数据安全、访问控制，审计、生命周期、血缘等数据治理方面的能力，以及数据目录、数据指标等。

数据仓库 vs 数据湖 vs 湖仓

对比项	传统数据仓库	数据湖	湖仓
成本	¥¥¥	¥	¥
存储格式	专有格式	开放	开放
可扩展性	扩展成本高昂、指数级增长	扩展成本低	扩展成本低
面向的用户	数据分析师	数据科学家	数据分析师、数据科学家、机器学习工程师
可靠性	数据质量高，高可靠	数据质量低、可能成为数据沼泽	数据质量高、高可靠
易用程度	简单	困难，数据缺乏组织和管理，	简单
性能	高	低	高

当前主流的湖仓方案

DeltaLake, Hudi , Iceberg， 具体可见文章《湖仓方案DeltaLake、Hudi、Iceberg功能对比》