如果你与大数据有一丝关系，你就会知道，为每秒生成的数据量找到存储解决方案是至关重要的。当涉及到管理数据时，数据专业人员可以考虑使用数据仓库或数据湖作为数据存储库。为了确定什么对您的组织最有利，让我们首先定义它们是什么，然后比较它们。
有些人错误地认为数据湖只是数据库的2.0版本。虽然它们相似，但它们是不同的工具，应该用于不同的目的。James Dixon是Pentaho的首席技术官，他命名了数据湖的概念。他用了下面的比喻:
“如果你把数据仓库想象成储存瓶装水的仓库——经过清洗、包装，结构简单，便于消费——数据湖是一个更自然的大水体。”数据湖的内容从一个来源流入来填满湖，湖的各种用户可以来检查，潜水，或取样。
数据湖以非结构化的方式保存数据，在单个数据块之间没有层次结构或组织。它以最原始的形式保存数据，不进行处理或分析。此外，数据湖接受并保留来自所有数据源的所有数据，支持所有数据类型和模式(数据存储在数据库中的方式)仅在数据准备使用时应用。
数据库以一种有组织的方式存储数据，所有数据都以一种定义的方式存档和排序。在开发数据仓库时，在分析数据源和理解业务流程的初始阶段会进行大量工作。对于要从仓库中包含和排除哪些数据，需要做出决策。只有在标识了数据的使用之后，数据才被加载到仓库中。
1.数据
数据湖保留所有数据结构、半结构和非结构/原始数据。数据湖中的一些数据可能永远不会被使用。数据湖也保存着所有的数据。数据仓库只包含经过处理(结构化)的数据，并且只包含报告或回答特定业务问题所需的数据。
2.敏捷性
由于数数据湖缺乏结构，因此对模型和查询进行更改相对容易。数据湖更加灵活，可以根据需要对数据湖进行配置和重新配置。由于与数据库相关联的业务流程数量多，因此更改数据库的结构要麻烦得多，耗时也长。
3.用户
数据科学家通常是在数据湖中访问数据的人，因为他们有进行深入分析的技能。从技术上讲，数据湖可以支持所有用户，并对所有用户开放。数据库由特定的业务用户使用，用于从数据库建立时定义的数据中报告和提取特定含义;对于需要跨越仓库边界从数据中收集新分析的数据科学家来说，它们通常太过严格。
4.安全
由于数据库比数据湖更加成熟，数据库的安全性也更加成熟。还有一个问题是，由于所有数据都存储在数据湖中的一个存储库中，这也会使数据更加脆弱。只要管理一个存储，审计和遵从性就会变得更容易。
数据湖和数据库是用于不同目的的不同工具。如果您已经建立了数据库，那么您可能会选择在它旁边实现一个数据湖，以解决您在数据仓库中遇到的一些约束。要确定数据湖或数据库是否最适合您的需求，您应该从您试图实现的目标开始，并使用帮助您实现目标的数据存储库。
