云原生数据湖技术概述.pdf

云原生数据湖技术概述

技术创新，变革未来

数据湖的定义

数据湖是面向大数据场景的创新解决方案

早期，业界和用户多把数据湖定义为一个储存原始格式数据的系统，可容纳结构化、半结构化、非结构化及二进制的数据。

随着大数据技术的融合发展，数据湖的边界不断扩展，内涵也发生了变化。数据湖开始汇集各方面技术，逐步演进成为集

多源异构数据统一储存、多范式计算分析及统一管理调用的大数据综合解决方案。它可以更加高效率低成本地管理海量多

源异构数据，打通数据孤岛，释放数据价值，助力新时代下各行业企业的数字化转型。

数据湖典型构架及特性

数据湖接入层③多范式计算：支持多种计算引擎，满足不同数据计算分数据湖调度层数据湖应用层

析需求，支持批处理、流处理、机器学习等。

BI报表

数据库数据湖管理层数据湖计算层

任务管理流程编排离线计算调用统应用数据大屏

离线MapReduce一

数仓数据挖掘

质量管理数据治理的

Spark…API

机器学习

APP数据接入数据搬迁实时计算接

口

IoT分析

访问控制资产目录StormFlink

实时

日志数据科学

SparkStreaming…

元数据管理

……

……

②数据统一存储管理：对内以OSS为中心，进行统一存储，④Schema后⑤应用广泛：

①数据多源异构：对接多范式计算引擎，对外提供统一的API接口置：支持使用者通

可容纳海量数据，

数据湖存储数据过自助访问业

且无存储格式要求，

不需要满足特定务数据，支持

接收结构化、半结数据湖存储层的范式，支持在数据挖掘、机

构化、非结构化及