Gartner提醒：不要把数据湖和数据仓库混为一谈

在2014年年中，有两位Gartner分析师曾经对数据湖概念日益加剧的炒作提出了批评。

"数据湖的根本问题是，它对信息的使用者做出了某些假设，"Gartner研究总监Nick Heudecker表示。

"它假设用户意识到或者了解获取数据的背景偏见，他们知道如何在没有先验知识的情况下整合并协调不同数据来源，他们知道数据集不完整的特性，不管数据结构是如何的。"

一年半之后，Garnter的担忧似乎并没有得到缓解。虽然有成功的项目，但也有失败的--关键成功因素似乎是对数据湖和数据仓库不同角色的深入理解。

Heudecker表示，数据湖通常被当作解决大数据挑战的一种方法，是提出数据新问题的好地方，"只要你有能力"。

"如果这是你想要做的，我就不那么关心数据湖的实施。不过，风险较高的情况是，如果你的目的是要在数据湖上重新实现数据仓库的服务水平协议（SLA）。"

Heudecker表示，数据湖通常是针对不同使用实例、并发性和多租户进行优化的。

"换言之，不要针对数据仓库使用数据湖。"

他说，两者都需要，这是完全合理的，因为两者都是还针对不同SLA、用户和技能进行优化的。

广义上说，数据湖是企业级平台，用于分析各种数据来源的原生数据格式，避免数据接受的成本和数据转换复杂性。因此这里所面临的挑战是：数据湖缺乏语意一致性和受监管的元数据，这需要有技能的用户承担大量分析的责任。

Heudecker表示，在理解方面逐渐成熟，但是数据湖的炒作依然猖獗。

该技术的成熟是很难做到的，因为实施数据湖的技术选择仍然在快速变化中。

"例如，Spark是一个流行的数据处理框架，平均每43天就会做一些新的发布，"Heudecker表示。

他说，数据湖项目的成功因素要归结于元数据管理、对技能的掌握、以及强制实施监管。

"我和很多构建数据湖的公司交流过，他们把很多数据放到数据湖里面，但没有发现任何结果。其他人不知道哪些数据集是不准确的，那些是高质量的。与IT的其他东西一样，是没有一个一劳永逸的方法的。"

数据湖是一个架构理念，而不是一个具体的实施方式，他说。

"与任何新理念、新技术一样，在成为一项人们理解的实践之前往往伴随着炒作，在这之后就是幻灭。"

"数据湖仍将反映的是使用它的数据科学家。"

"这个技术可能会改变和改善，也许会利用像GPU或者FPGA这样的东西，但总体目标是发现数据新的用途和新的机会，有可能会将这些洞察带入到生产中。"