什么是数据湖
数据湖（Data Lake）是一个存储各种数据类型数据的大型仓库，实现数据集中式管理，包括HDFS或者对象存储系统S3 都属于这个范畴；除了存储，还包括管理和分析工具，提供数据目录服务以及统一的数据访问。数据湖是一个集中化存储海量的、多个来源，多种类型数据，并可以对数据进行快速加工，分析的平台。
与传统数据仓库的区别
数据仓库，于1990年提出，一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策，传统数仓是集中式的维度表；比起事务型的数据系统，数据仓库能更有效地对业务数据进行统计分析，无论是在提高效率、稳定性还是降低资源成本上都有其优势，所以被广为接受而大行其道。
数据湖，是开放自助式的，提供工具环境供各业务团队使用，主要用于数据分析和机器学习算法。早期有不少公司引入Hadoop，想让自己的数据发挥更大的价值，但并不容易，HDFS这些存储方式都不支持update，HDFS的write操作也不支持并行，这些特性导致其具有一定的局限性，无法支持对现有数据的更新和删除操作。数据湖技术解决这类难题。
数据湖的优势
- 轻松收集数据：比如文本、音频、视频和图像；
- 支持实时数据源：支持对实时和高速数据流执行ETL功能；
- 更快地准备数据：不需要访问多个来源，快速生成可用于数据驱动决策的BI；
- 可扩展性和敏捷性：利用分布式文件系统来存储数据，降低了存储成本；
- 高级分析：快速开发和使用高级分析模型，非常适合使用机器学习和深度学习来执行各种任务。
在“数据驱动业务”、“数字化转型”的时代大背景下，数据中台和数据湖都是由业务诉求催生出的平台架构。数据湖更好地利用了HDFS存储，将批处理和流计算作业整合，已成为新一代大数据技术标准，应用前景广阔。