带你了解：什么是数据仓库？什么是数据湖？什么是智能湖仓？
发布时间：2021-06-02 21:46:53 所属栏目：大数据 来源：互联网
导读：首先，我们来讲一讲什么是数据库。 作为程序员，我们写的大多数商业项目，往往都需要用到大量的数据。计算机的内存，可以实现数据的快速存储和访问。 但是，内存的空间是有限的，也无法长期保存有用的数据。对于那些大量的，需要长期使用的数据，我们需要对
|
首先，我们来讲一讲什么是数据库。
作为程序员，我们写的大多数商业项目，往往都需要用到大量的数据。计算机的内存，可以实现数据的快速存储和访问。
但是，内存的空间是有限的，也无法长期保存有用的数据。对于那些大量的，需要长期使用的数据，我们需要对它们进行持久的、规范化的存储，于是就有了数据库(DataBase)。
市场上常用的数据库有很多种，包括像MySQL、Oracle这样的关系型数据库，也包括Redis，HBase这样的非关系型数据库。
无论是哪一种数据库，它们所存储的都是结构化数据，主要应用的领域是联机事务处理(OLTP)，也就是我们程序员所熟悉的增删改查业务。
满足了业务需求，数据库当中的数据不断积累，变得越来越丰富。这时候人们发现，这些数据不但可以支撑业务的运行，也可以用于生成商业报表，进行数据分析，提供有价值的决策参考。这些数据分析和生成报表的处理操作，被称为联机分析处理(OLAP)。
但是，传统数据库擅长的是快速地对小规模数据进行增删改查，并不擅长大规模数据的快速读取。
于是，人们发明了一种全新的数据存储方式，并把原本分散在不同项目当中的业务数据进行抽取、清洗、转换、加载，最终汇总成为一系列面向主题的数据集合，按照全新的方式进行存储。
这种全新的存储方式，被称为数据仓库(Data Warehouse);把数据进行抽取、清洗、转换、加载的过程，被称为ETL(Extract Transform Load)。
数据仓库当中存储的数据，同样是结构化数据。
数据库用于业务处理，数据仓库用于数据分析，一时间大家都使用得十分愉快。
但是，随着大数据和机器学习技术的不断发展，人们发现不仅是结构化的数据具有分析价值，许多非结构化的数据，例如用户日志、电子邮件、PDF等等，同样具有可观的分析和学习价值。
这些五花八门的数据，如果统一按照ETL的方式进行加工处理，实在是不太现实，那么索性把它们按照原始格式汇总在一起吧。这样汇总起来的庞大集合，被存储在了数据湖(Data Lake)当中。
数据湖当中的数据可谓是包罗万象：
结构化的，有各种关系型数据库的行和列。
半结构化的，有JSON、XML、CSV。
非结构化的，有电子邮件、PDF、各种文档。
甚至还有杂七杂八的二进制文件，比如图片、视频、音频。
通过数据湖这个统一的数据管理节点，企业可以利用更加丰富多样的数据，为商业智能、机器学习等方向赋能。
在现实的企业项目当中，所需要的不只是统一存储的数据湖，也需要各种各样专门构建的存储方案，由此为特定应用场景提供必要的性能、规模与成本优势。
比如，我们仍然需要数据仓库，适合针对结构化数据通过复杂查询快速获取结果;我们需要Lucene或Elastic Search这样的全文检索引擎，从而实现快速搜索并分析日志数据，借此监控生产系统的运行状态。
通过这些多样的存储方案，我们可以高效低成本地进行数据分析、机器学习、大数据处理、日志分析等工作。
 （编辑：漯河站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
