湖+仓≠湖仓，什么才是真正的湖仓一体?

2022-01-12 14:58:41

文/高博

前段时间Databricks和Snowflake因TPC-DS测试结果在湖仓战场正面开撕，让很多业内吃瓜群众大呼过瘾，我们暂且不论两企业究竟孰强孰弱。众所周知，Databricks自始至终都主打数据湖这张牌，而Snowflake则是靠云数仓库起家，有意思的是两大玩家殊途同归，决赛场终聚焦在了当前炙手可热的Lakehouse-湖仓一体。这说明了什么?

说明湖仓一体化才是大势所趋啊，兄弟!

数据湖、数据仓、湖仓一体发展历程

提到湖仓一体，就不得不从上世纪80年代开始说起。如上图所示，当时的市场还是数据仓库的天下，当时主要是用来处理BI、仪表、报表等结构化数据，主要用于分析企业的内部的业务数据。这种状态一直持续到2011年前后，越来越多的企业产生了语音、视频等数据的处理分析需求，非结构化数据、半结构化数据的增长促使企业提升了高多样性，高速度和高容量的数据分析要求，数据仓库慢慢不能满足用户的需求。

随着数据仓库局限性的逐步显现，数据湖的概念也随之衍生出来，它能够存储各式各样的原始数据，解决了数据仓库的局限性。但相比于优势来讲，湖的短板也同样明显，比如不支持事务，SQL性能差，无法支撑报表需求。而这也间接推动了湖仓一体概念的出现。

虽然数据湖和数据仓都各自有各自的优势和不足，但不难发现，二者在某些层面是非常互补的，如果我既有成型的数据湖也有现成的数据仓，我直接将数据湖和数据仓库互相“打通”不就可以了?事实证明很多大企业也确实是这么做的，这样做的优点在于，我可以充分利用先前的数据湖和数据仓库资源，利用ETL将二者“打通”，数据湖用来存储各种原始数据，分析报表交给数据仓库来完成，这也可以算是湖仓一体的一个雏形，但湖和仓基本上还是处于各自一体的状态，架构仍然较为复杂，在满足需求的同时也持续提高了企业的运维成本。但不管怎么说，“湖仓一体化”这个概念算是成了!

谁说湖仓一体一定要先有“湖”?

在大家都聚焦于湖仓一体概念的时候，一向专注于数据仓库的偶数科技也逐渐走到聚光灯下。为什么以数据仓库见长的偶数科技也要搞湖仓一体?偶数的“仓”有了，可“湖”在哪呢?

通过笔者与偶数科技解决方案专家钟总的交流，得到了非常前沿的观点，“湖仓一体为什么一定要先建湖?”这颠覆了之前我对湖仓一体的认知。

有“湖”有“仓”，然后连通在一起，并不是真正意义上的湖仓一体，“湖仓一体是‘湖’与‘仓’融为一体，而非各自一体并进行连接。我们虽然没有大力提倡数据湖，但是却依靠创新的数据仓库技术解决了数据湖的问题。”钟总提到，所谓湖仓一体中的“湖”，一方面是对结构化和非结构化数据的支持，另一方面是做对海量数据的存储。因为偶数科技的数仓真正做到了存算分离，弹性可扩展，自然也就支持“湖”的海量数据扩展能力。

细细分析一下也就不难理解，这种方案本质是将数据湖、数据仓真正的融为一体。数据就是一份，底层是企业的全部数据，包括结构化、半结构化、非结构化，中间通过统一的加工处理直接支撑上层所有仓的应用(BI、报表以及湖的应用)，不再需要ETL连通，数据能够直接用来进行分析。

可能有些读者也理解到了，偶数科技的技术路线和美国的Snowflake在湖仓一体的思路更为相似。主要依托云原生特性、计算存储分离架构、强事务特性、完整SQL标准支持、高性能并行执行能力等一系列底层技术的变革，从而实现高弹性、高性能、强扩展性、强兼容性，以及机器学习等上层技术的变革，终帮助企业有效应对大规模、强敏态、高时效、智能化的趋势。

而这种湖仓一体架构往往需要具备必要的特性：

首先需要通过低成本的方式实现全量数据单一存储;高性能的数据引擎也是不可或缺的;要实现存算分离，满足架构的敏捷性需求，通过可插拔存储框架实现架构的可扩展性;当然，通过ACID特性简化应用程序负担，保证事务的一致性也是必须的;此外还要做到在一个平台上支持所有的工作场景、负载场景，比如批流一体，批处理、即席查询、数据分析(BI)、机器学习(ML)等，实现多样化工作负载;后要通过可落地的数据治理更好的保证数据质量，从而更好地支持应用。只有具备以上这些特性，才可以说是一套真正的湖仓一体。而偶数科技的湖仓一体架构也恰恰符合这些特性要求。

相比于湖、仓各一套集群再打通，偶数科技这种湖仓一体的架构的确更加简单，也正是因为这种极简化，使其在运维人员、硬件投入等方面的投入大大减少;由于OushuDB云原生的产品基因，通过虚拟计算集群技术能够让资源进行弹性伸缩并按需分配，在需要时对资源进行充分运用，不需要时进行资源释放和共享。存储层数据只有一份并实现了实时共享;计算层资源可以按需调度、弹性伸缩，极大提升了资源利用率，降低了企业硬件投入及人员成本。

从市场发展走向来看，“湖仓各自一体”的架构是基于技术发展进程的必经之路，优势很明显，缺点也同样突出，而更为简单的“湖仓原生一体”架构在未来将更加契合用户对于湖仓一体化的诉求。

湖仓一体化，你怎么看?