Currency Data

湖是一个主存储库，可以容纳大量原始的非结构化数据。数据湖不同于数据仓库，后者将数据保存在结构化文件中。

关于数据湖工具的五个关键要点：

数据仓库无法处理非结构化数据，维护成本高，并且本质上不灵活。

数据湖的发展解决了这些仓库的限制。

数据仓库需要结构化数据，但数据湖可以存储和处理任何格式的数据，包括文档、图像、视频和音频文件。

数据湖可以存储原始（或非结构化）、半结构化和结构化形式的数据，这有助于支持机器学习和分析中的各种用例。

许多用例都可以使用数据湖工具来利用数据，无论其状态如何。公司可以将所有数据整合并存储在同一个存储库中。

数据仓库采用分层结构，而数据湖的架构则是扁平的。数据仓库按类型将数据存储在该层次结构中，而数据湖的对象存储为每条数据分配元数据标签和唯一 ID，以便可以从数据湖中的任何位置检索数据。由于对象存储采用开放格式，因此数据湖工具允许多个不同的应用程序经济地访问和使用其中存储的数据。

当今的组织正在使用先进的数据分析应用程序、人工智能和机器学习——如果仅仅依赖数据仓库，那么所有这些都很难使用。

数据湖工具的重要性
数据湖是数据管理的一个重要方面，原因有很多——最重要的是，数据湖统一了企业内部创建和生成的所有数据。无论数据格式如何，您都可以借助集中、灵活且全面的数据，获得完整的画面，而不是只看到快照。

数据湖对于以下企业至关重要：

重视简单的数据管理

需要灵活的数据存储和处理方法

欣赏大型数据集的实时分析


拥有需要以自己选择的方式访问不同数据的数据团队和非技术员工

需要存储和管理结构化的业务线数据集以及从新来源流入的非结构化类型数据

数据湖帮助当今的组织利用整体数据，提供全公司范围内的实际、最新洞察，而不仅仅是一两个部门的洞察。正是这种能力（结构化、半结构化或非结构化数据提取，以及提到的其他好处）使数据湖成为当今数据团队的完美数据存储。

了解数据湖工具
数据湖工具是提供数据湖访问或创建的各种平台和提供商。与当今技术堆栈中的许多工具一样，您可以选择本地、云或混合数据湖。为了更好地理解数据湖工具，让我们来看看它们的组件，也称为数据湖架构。

数据湖架构是扁平的——想象一下《黑客帝国》中墨 科威特电话数据 菲斯和尼奥坐在那些软垫椅子上的开阔的“白色空间”。

数据湖架构就是这样的——扁平而空洞，直到组织选择公司数据所需的“房间”或区域。然而，需要注意的是：“房间”或区域并不适用于数据湖本身。

数据湖区域是您连接到数据湖的平台或工具。区域在架构框架中的位置取决于区域类型。

虽然这绝不是一个详尽的清单，数据湖也不必包含以下所有区域，但数据湖可以连接到这些基本区域：

登陆：来自应用程序、软件和其他程序的非结构化数据登陆此处。

提取：此区域是数据以其原始形式存储的地方。