世界對(duì)數據湖的興趣依然在不斷增長，但如(rú)果說對(duì)數據湖的宣傳都是煙霧彈的話，這就(jiù)貶低了數據湖真正的能(néng)力。“數據倉庫”和“大數據”等概念都逐漸深入人心，但“數據湖”仍然是讓IT和業務相關者頭疼的一件事(shì)情。

       随着(zhe／zhuó／zhāo／zháo)人們對(duì)于(yú)數據湖的清晰定義、使用(yòng)案例、最佳實踐等信息的需求不斷增長，IT專業人士需要(yào / yāo)一則明确的數據湖指南，回答以下(xià)問題：數據湖是什麽?我們應該如(rú)何利用(yòng)它?數據湖又将如(rú)何改變大數據呢?

       1.定義及觀點

       數據湖成爲了核心數據架構中發(fā／fà)展得(dé / de / děi)很快的一環，但IT專業人士常有疑惑，數據湖究竟是一個架構策略還是架構的目标呢?實際上并沒有清晰的界限，但仍然有方法來解決定義的問題。數據湖是一個中央儲存庫，爲多種數據工作負載儲存企業數據;通過(guò)數據湖，終端架構可(kě)以得(dé / de / děi)到解決，同時數據結構相關的決策也是建立數據湖時的關鍵。 數據湖被越來越多的采用(yòng)，而(ér)它的實施分爲四個關鍵的階段：

技術評估。通過(guò)進行(háng / xíng)大數據實驗項目，關注幾個特定的業務目标和成果，數據湖的使用(yòng)者可(kě)以對(duì)這項技術進行(háng / xíng)測試，并熟悉Apache Hadoop環境的管理。

       做出反應。在這個階段，各公司開始利用(yòng)Hadoop來解決現有架構的低效率問題，确立清晰可(kě)測的業務機會(huì)。此外，這個采納過(guò)程對(duì)于(yú)IT效率的提高也是非常關鍵的。

       主動利用(yòng)。通過(guò)爲分析項目合并數據以及利用(yòng)Hadoop獲得(dé / de / děi)經濟的可(kě)拓展性這兩種手段，各公司可(kě)以在一個單一的中央存儲中管理大量新出現的數據源，例如(rú)物聯網、社交媒體和非結構化的數據。

建立核心競争力。随着(zhe／zhuó／zhāo／zháo)大數據成爲IT戰略的核心組成部分，各公司最終能(néng)夠達到發(fā／fà)展的高峰，消除所(suǒ)有業務應用(yòng)和分析應用(yòng)之間的隔閡，重新建立一個單一的企業平台。

       2.數據湖的組織

       得(dé / de / děi)益于(yú)Hadoop的靈活性和可(kě)拓展性，我們今天(tiān)能(néng)夠保存、分類、探索并利用(yòng)的數據類型比以往任何時候都要(yào / yāo)多。但避免數據湖成爲數據沼澤的關鍵在于(yú)數據治理，數據的組織和安全性也是決定數據探索成敗的關鍵。一個清晰而(ér)有條理的數據組織(通常是按類目或者按數據用(yòng)法劃分)能(néng)夠幫助Hadoop工程師建立更加完善的技術決策，幫助分析師和數據科學家(jiā)從數據中獲取真正的洞察。

      對(duì)于(yú)企業BI需求、數據探索和數據科學的支持是推動數據湖部署的主要(yào / yāo)因素，這三項技術能(néng)将原始數據用(yòng)于(yú)機器學習算法和統計功能(néng)。因爲敏捷方法學爲企業級 BI提供了自(zì)适應途徑，數據湖就(jiù)能(néng)夠落實更多具體的企業業務、性能(néng)指标和度量權值，同時可(kě)用(yòng)于(yú)儲存曆史數據。 充滿競争的商業環境讓人目不暇接，各公司必須認識到探索技術的關鍵作用(yòng)，并認識到解答未知的重要(yào / yāo)性。這刺激了我們的需要(yào / yāo)，要(yào / yāo)把數據直接用(yòng)于(yú)分析技術，産生(shēng)意義重大的洞察、爲企業創造附加價值。

       要(yào / yāo)幫助企業從他們的數據湖中實現最大化效益，就(jiù)必須要(yào / yāo)考慮以下(xià)幾個要(yào / yāo)素：

       從長遠角度考慮數據。在開始一個數據項目時，必須仔細考慮數據在今後(hòu)其(qí)他應用(yòng)中的可(kě)重用(yòng)性。要(yào / yāo)明白未來新産生(shēng)的數據需求往往是不可(kě)預知的，了解這一點後(hòu)公司就(jiù)可(kě)以更好地相應準備并利用(yòng)起他們的數據。

       先确立數據治理結構。數據治理被應用(yòng)在了整個企業的數據和信息政策當中，所(suǒ)以在考慮數據湖時也不應該例外。數據治理規範了企業中的每個人對(duì)數據湖的使用(yòng)，并最小化了發(fā／fà)生(shēng)錯誤和不當數據管理的可(kě)能(néng)性。

       預先解決安全問題。以數據爲中心的安全保護提供了從整個數據的生(shēng)命周期來看數據的宏大視角，此處的關鍵要(yào / yāo)素就(jiù)是從第一天(tiān)開始就(jiù)正視安全問題，确立好哪些數據可(kě)以引入數據湖，并爲數據湖中的各類數據制定使用(yòng)權限