在线客服
扫描二维码
下载博学谷APP扫描二维码
关注博学谷微信公众号
数据仓库、数据湖、智能湖仓分别是什么?数据仓库是为企业所有级别的决策制定过程,提供所有类型数据支持的战略集合;数据湖,数据都是承载在基于可向外扩展的HDFS廉价存储硬件之上的;强大的数据湖及其配套的专用构建数据服务体系,智能湖仓称为架构。
作为程序员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,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,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,也就是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。
但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;把数据进行抽取、清洗、转换、加载的过程,被称为ETL。
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。
这些数据如果统一按照ETL的方式进行加工处理不太现实,索性把它们按照原始格式汇总在一起。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。
如仍然需要数据仓库,适合针对结构化数据通过复杂查询快速获取结果;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。
为了从数据湖及专门构建的存储中获取最大收益,企业希望在不同系统之间轻松移动数据。比如有些情况下,客户希望将数据湖当中的部分数据移至数据仓库、日志系统等节点。将这种情况,归纳为由内向外的数据移动操作。
还有些情况下,企业希望将业务数据从关系型数据库和非关系型数据库移动到数据湖内。将这种情况,归纳为由外向内的数据移动操作。企业还可能要求将数据在不同的专用数据存储方案之间往来移动,比如将数据仓库内的数据提供给机器学习系统。将这种情况归纳为围绕边界的数据移动操作:
快速构建起可扩展的数据湖;丰富而且功能强大的专门构建的数据服务集合,这些数据服务可以为交互式仪表板与日志分析等提供必要的性能支持;在数据湖及各专门构建的数据服务之间实现数据的无缝化移动;通过统一方式加以保护、监控与管理,保证数据访问活动的合规性;以低成本方式扩展系统保证不对性能产生负面影响。
将这样一种强大的数据湖及其配套的专用构建数据服务体系,称为智能湖仓(Lake House)架构。
— 申请免费试学名额 —
在职想转行提升,担心学不会?根据个人情况规划学习路线,闯关式自适应学习模式保证学习效果
讲师一对一辅导,在线答疑解惑,指导就业!
相关推荐 更多
大数据核心技术:Hadoop与spark
大数据学习需要掌握很多技术知识点,包括Linux、Zookeeper、Hadoop、Redis、HDFS、MapReduce、Hive、lmpala、Hue、Oozie、Storm、Kafka、Spark、Scala、SparkSQL、Hbase、Flink、机器学习等。今天主要和大家分享一下Hadoop和spark技术。
6524
2019-06-26 17:59:29
2019年大数据在各行业的应用 深度解析
如今,我们都生活在一个数字化的世界里,大数据的应用也变得越来越广泛,它深度改变着我们的生产生活方式。本文小编就来深度解析一下,2019年大数据在各行业的应用。这些行业都从大数据中获取了当下真正有价值的信息,从而极大地提高了生产效率。
6992
2019-07-22 18:00:56
大数据带你看疫情热词分析
今年注定是极其不平凡的一年,在新年的起初,一场来势汹汹的新冠肺炎打破了许多人平静幸福的生活。封城封路,延迟开工,被隔离在家的大众每天都心系疫情的发展状况,因此关于疫情的信息也屡屡冲上热搜。本文对热搜的疫情热词进行了统计分析,下面大数据带你一起来看看疫情热词分析吧!
10757
2020-02-26 16:23:49
什么是数据科学异常值检测原理?
什么是数据科学异常值检测原理?异常值的检测方法有基于统计的方法,基于聚类的方法,以及一些专门检测异常值的方法等。使用pandas,可以直接使用describe()来观察数据的统计性描述,或者简单使用散点图也能很清晰的观察到异常值的存在。
6116
2020-03-20 16:21:07
如何利用大数据构建用户画像?
大数据时代,不仅普通用户可以享受到技术带来的便利,企业也可以从数据中提取有商业价值的信息,构建出用户画像,从而对用户行为进行分析和预测。虽然用户画像不是什么新鲜的概念,但是大数据技术的出现使得用户画像更加清晰客观。下面我们一起来看看如何利用大数据构建用户画像。
4410
2020-07-23 12:12:02