[[179929]]

企業在實施大規模數據湖之前，應該從小規模開始，并將該技術作為對現有分析系統的擴展。

最近，數據湖已經開始在IT行業涌現。數據湖是與附加數據管理系統相結合的數據存儲，而附加數據管理系統提供關于數據的分析，作為數據清理過程的一部分，通常是從其他分析環境(例如數據倉庫或數據集市)剝離的能力。

例如，數據倉庫的提取，轉換和加載預處理消除了告訴系統何時到達或插入“操作數據存儲”的日志。

但在當今的行業中，數據湖似乎至少有兩個定義。一個來自存儲公司的是，數據湖是允許元數據存儲的磁盤存儲基礎設施。另一個主要是營銷驅動的，是混合通常不混合的多個數據存儲的一個湖。根據專家的定義，沒有銷售全面數據湖的供應商，而是人們使用Hadoop和本地工具訪問數據來將它們拼湊在一起。

由于最初的供應商炒作讓位于真實世界的實驗，用戶發現數據市場的***實踐并不適用于數據湖。為了避免早期用戶的錯誤，適當地解決數據湖的實施，而不是大規模。以下是一些在處理數據湖時證明有用的***實踐。

記住，數據湖是探索性的

數據湖實施應該允許組織以特別的和探索的方式擴展現有的分析。

從當前分析系統不會及時獲取的高度數據的核心(例如客戶事務日志)中增長數據湖中的數據類型。大多數現有的分析不足以真實了解應用程序的行為。數據倉庫和Hadoop等數據管理方案失去了重要的數據。

大數據分析系統提供商Pentaho公司的***技術官James Dixon在博客上例舉了一個例子：數據倉庫等系統并不捕獲客戶購買過程中的每一步，而是事務日志。這樣的購買過程的設計對于典型的數據架構師似乎是直接的，但是在每個步驟中可能有數分鐘甚至數小時的滯后。

通過發現流程中的滯后，用戶可以開始與客戶面對的數據湖實現，購買相關的交易。分析對企業的整體分析工作具有探索性和重要性，因為一旦用戶更徹底地分析客戶日志時間戳，還不清楚會發現什么。

數據集市，湖泊和倉庫之間有什么區別?

數據集市是數據倉庫的變體。數據倉庫存儲來自整個組織的較舊的數據，用于報告和分析。多個數據集市大致相當于數據倉庫，通常在自己的IT環境中為子公司服務。用戶可以有多個數據集市進入數據倉庫，或者只是松散耦合的數據集市。

集成是實現數據湖的關鍵

將數據湖與其他企業數據架構(包括數據治理和主要數據管理)完全集成也很重要。了解哪些數據類型對數據倉庫或數據集市很重要，以及原始數據是否正確和一致。實施數據治理實踐，以避免分析有缺陷的數據。

數據湖的長期發展

數據湖有潛力。但是，除非人們能夠更好地了解自己可以長期提供什么，否則這很可能只是一個時尚，除非他們的利益比迄今為止具體顯示的更廣泛。

Dixon在并入時序和間距時的數據倉庫問題的例子只是當今的分析繼續依賴簡單統計數據，而不考慮什么“壞”數據可以告訴人們的一個實例。由于數據湖實施可以發掘分析中的關鍵“陷阱”，因此它值得任何企業進行探索。然而，從長遠來看，這需要實驗和仔細平衡數據湖和整體信息架構。