cn域名建设网站需要备案吗,wordpress怎么加rrs,网站推广主要是做什么,设计 网站访问次数像公有云数据湖和 Delta Lake 这样的平台指出了一个中央数据枢纽的趋势#xff0c;用来支持决策和AI驱动的自动化决策。
数据仓库是否再次加入这股浪潮呢#xff0c;或者会逐渐消亡#xff1f;
如果你不清楚这个问题的答案也很正常。数据仓库在一方面目前仍处于热门阶段。…像公有云数据湖和 Delta Lake 这样的平台指出了一个中央数据枢纽的趋势用来支持决策和AI驱动的自动化决策。
数据仓库是否再次加入这股浪潮呢或者会逐渐消亡
如果你不清楚这个问题的答案也很正常。数据仓库在一方面目前仍处于热门阶段。笔者作为一个长期的行业观察者看到了在不断创新和创业活动浪潮下行业的快速发展。
这种趋势基本上始于十年前标准设备进入数据仓库主流然后随着市场向新一代云数仓转移逐渐获得了新动力。在过去几年中一个云数仓供应商Snowflake 在市场上获得了非常多的支持。
数据仓库的衰落
但在另一方面数据仓库也不断被行业中的新事物所冲击例如大数据、机器学习和人工智能。这种趋势造成了数据仓库在企业IT优先级下降的印象但事实上大多数组织至少有一个或者多个数据仓库服务于各种下游应用程序。
数据仓库一直作为企业核心工作服务是几年前我觉得数据仓库远未消亡的原因这也可能解释了为什么其他观察者认为他们必须重新定义数据仓库的概念以使其在数据湖和云计算时代保持相关性。
数据仓库作为一种实践不仅蓬勃发展而且现在已被视为云计算行业的重要核心增长。但是如果你只是关注以此数据仓库标签进入市场的那些平台例如Snowflake你也将错过这个领域大部分的动作。
数据湖的兴起
许多人认为“数据湖”正在迅速发展成为下一代数据仓库。对于那些不熟悉这个概念的人来说数据湖是多结构数据的系统或存储库它们以原始格式和模式存储通常作为对象“blob”或文件存储。
数据湖通常用作所有企业数据的单个存储包括源系统数据的原始副本和用于生成报告可视化数据分析和机器学习等任务的转换数据。它们包含分布式文件或对象存储机器学习模型库以及高度并行化的处理和存储资源集群。并且数据库通常在读取时使用模式并使用统计模型从中提取有意义的相关性和模式而不是对它们存储的对象强制执行通用模式和语义。
这些都与Inmon和Kimball核心概念不一致这些概念为大多数专业人员的数据仓库方法提供了信息。从根本上说一个数据仓库主要用来聚合保留和管理官方认可的“单一版本的真实”数据记录。此概念与所管理数据的特定应用程序域以及使用它的特定用例无关。
如果你怀疑我在那个分数上说的话请看看Bill Inmon对数据仓库的定义以及Inmon和Ralph Kimball框架的比较。数据仓库通常都是关于数据驱动的决策支持这使得它可以很好地扩展到AI驱动的推理的新世界。
下一代数据仓库
在过去的一年中一些备受瞩目的行业公告标志着数据仓库角色的转变。尽管决策支持也称为商业智能报告和在线分析处理仍然是大多数数据仓库的核心用例但我们看到了其向决策自动化的稳步转变。换句话说数据仓库现在正支持着数据科学管道为数据驱动的推理构建了机器学习应用程序。
新一代数据仓库实际上是数据湖对那些用于构建和训练机器学习模型的清洗整合和验证的数据进行管理。例如去年秋天在Amazon reInvent 大会上亚马逊网络服务公布了AWS Lake Formation。这种新的托管服务的明确目的是简化和加速安全数据湖的设置。然而AWS Lake Formation 拥有云数据仓库的所有特点尽管AWS并没有这样称呼它实际上已经提供了一个面向决策支持应用程序的经典数据仓库。
AWS Lake Formation的架构和功能类似于数据仓库。实际上AWS以这种方式来描述它“数据湖是一个集中的策划的和安全的存储库它以原始形式存储所有数据并为分析做好准备。通过数据湖您可以分解数据孤岛并组合不同类型的分析以获商业洞察力并指导更好的业务决策。“
另一个例子是 Databricks 最近宣布的 Delta Lake开源项目。 Delta Lake的明确目的现在可以在Apache 2.0许可下使用类似于AWS Lake格式通过对数据湖中维护的数据集的聚合清洗管理和治理以支持机器学习。
Delta Lake 位于现有的内部部署或云数据存储平台之上可以从Apache Spark访问例如HDFSAmazon S3或Microsoft Azure blob存储。 Delta Lake将数据存储在Parquet中以提供Databricks所称的“事务存储层”.Parquet是一种开源的列式存储格式无论数据处理框架的选择如何都可用于Hadoop生态系统中的任何项目。它通过乐观并发可串行化快照隔离数据版本控制回滚和模式实施来支持ACID事务。
Delta Lake和AWS Lake Formation之间的一个关键区别是 Delta Lake 处理该管道中的批量和流数据。另一个是Delta Lake支持所有数据的ACID事务允许数百个应用程序同时进行多次写入和读取。此外开发人员可以访问每个Delta Lake的早期版本以进行审计回滚或重现其MLFlow机器学习实验的结果。
在最广泛的层面上Delta Lake似乎与使用最广泛的开源数据仓库项目 Apache Hive 竞争尽管 Hive 完全依赖基于 HDFS 的存储并且直到最近才解决对ACID交易的支持。Hive 3一年前被宣布终于为基于Hadoop的数据仓库提供ACID支持。 Hive 3使用delta文件为事务CRUD创建读取更新删除表提供操作的原子性和快照隔离。
以AI驱动的决策自动化的基础
这些最近的行业公告 - AWS Lake FormationDelta Lake和Hive 3预测是数据湖成为所有决策支持和决策自动化应用以及所有交易数据应用的治理中心的日子。为了加速这些趋势Hive 3和Delta Lake等开源项目需要在供应商和用户之间获得更广泛的吸引力。
“数据仓库”这一术语可能主要指的是商业智能结构化数据的受管理的多域存储。但是底层数据平台将继续发展为基于云的人工智能管道提供核心数据治理基础。
AI而非BI正在推动企业数据仓库的发展。
原文链接 本文为云栖社区原创内容未经允许不得转载。
