數據湖或hub的概念最初是由大數據廠商提出的，表面上看，數據都是承載在基于可向外擴展的HDFS廉價存儲硬件之上的。數據湖是一種不斷演進中、可擴展的大數據存儲、處理、分析的基礎設施，它就像一個大型倉庫存儲企業多樣化原始數據以數據為導向，實現任意來源、任意速度、任意規模、任意類型數據的全量獲取、全量存儲、多模式處理與全生命周期管理。擁有強大的信息處理能力和處理幾乎無限的并發任務或工作的能力。

數據湖從企業的多個數據源獲取原始數據，數據可能是任意類型的信息，從結構化數據到完全非結構化數據，并通過與各類外部異構數據源的交互集成，支持各類企業級應用。結合先進的數據科學與機器學習技術，能幫助企業構建更多優化后的運營模型，也能為企業提供其他能力，如預測分析、推薦模型等，這些模型能刺激企業能力的后續增長。

什么是數據倉庫？

數據倉庫誕生于 1990 年，絕對算得上是“老前輩”了，它是一個相對具體的功能概念。目前對數據倉庫的主流定義是位于多個數據庫上的大容量存儲庫，它的作用在于存儲大量的結構化數據，并能進行頻繁和可重復的分析，幫助企業構建商業智能（BI）。

數據倉庫(Data Warehouse)是一個面向主題的（Subject Oriented）、集成的（Integrated）、相對穩定的（Non-Volatile）、反映歷史變化的（Time Variant）數據集合，用于支持管理決策和信息的全局共享。其主要功能是將組織透過資訊系統之聯機事務處理(OLTP)經年累月所累積的大量資料，透過數據倉庫理論所特有的資料儲存架構，分析出有價值的資訊。

數據倉庫系統的作用能實現跨業務條線、跨系統的數據整合，為管理分析和業務決策提供統一的數據支持。數據倉庫能夠從根本上幫助你把公司的運營數據轉化成為高價值的可以獲取的信息（或知識），并且在恰當的時候通過恰當的方式把恰當的信息傳遞給恰當的人

數據湖和數據倉庫的區別？

數據湖是較新的技術，擁有不斷演變的架構。數據湖存儲任何形式（包括結構化和非結構化）和任何格式（包括文本、音頻、視頻和圖像）的原始數據。根據定義，數據湖不會接受數據治理，但專家們一致認為良好的數據管理對預防數據湖轉變為數據沼澤不可或缺。數據湖在數據讀取期間創建模式。與數據倉庫相比，數據湖缺乏結構性，而且更靈活，并且提供了更高的敏捷性。值得一提的是，數據湖非常適合使用機器學習和深度學習來執行各種任務，比如數據挖掘和數據分析，以及提取非結構化數據等。