我们正生活在一个数据爆炸的时代。
根据IDC发布的《数据时代》报告，年，全球数据总量为60ZB；预计到年，这一数字将达到ZB，相当于约万亿部高清电影的容量。
面对如此体量的数据规模，企业该如何做好存储工作？
早年，企业大数据存储以数据仓库模式为主。这是一种在90年代出现，并在21世纪成熟的数据存储处理方案，特别适合大量结构化数据的存储。
年，Hadoop架构的出现，将数据仓库推到了新的高度。此后，Lambda与kappa架构的出现，进一步提升了数据仓库的性能与经济性。
然而，随着大数据时代的到来，数据仓库也暴露出了其先天劣势。数据仓库面向结构化数据设计，在存储图像、视频、音频等数据非结构数据时显得力不从心。而后者，在大数据时代的占比则越来越多。
为此，数据智能行业在年提出了“数据湖”的解决方案，将结构化的“仓”转换为非结构化的“湖”。但在数据爆炸的大背景下，数据体量的急剧扩张，让数据湖在面对海量数据存储时，成本及性能都会变得极不可控。
数据智能行业亟待一种兼顾“湖”“仓”优势的数据存储方案。在这一背景下，“湖仓一体”概念应运而生。
01.湖仓一体，数字化转型“底座的底座”
数据智能行业时下火热的“湖仓一体”，究竟是什么？
湖仓一体概念最早由数据智能独角兽企业Databricks于年提出，其核心思想是融合数据仓库与数据湖架构，以兼顾二者优势。
湖仓一体架构在数据仓库高性能与管理能力的基础上，融合了数据湖的灵活特性，让数据和计算可以在“湖”与“仓”之间自由流动，为客户提供更加高效、灵活、低成本的存储解决方案。
在企业拥抱数字化转型的新时代，数据往往被视作是数字化转型的底座，而数据存储则是数据智能平台的底座。作为“底座的底座”，湖仓一体概念自出现之日起，就备受数据智能及整个科技产业的