避免“数据湖”成为“数据沼泽”，流动的“数据河”是关键

数据湖（Data Lake）在Wiki中定义如下：

简而言之，数据湖是按存储原始数据格式的数据存储，旨在任何数据可以以最原始的形态储存，可是结构化或者非结构化数据，以确保数据在使用时可以不丢失任何细节，一般以Hadoop系统存储为比较典型的解决方案，所有的实时数据和批量数据，都汇总到数据湖当中，然后从湖中取相关数据用于机器学习或者数据分析。一个典型数据湖的结构如下图所示：

图1：数据湖存储着企业各种各样的数据

（