我一直很困惑是创建数据湖还是数据仓库，希望有经验的现实世界的专业人士能给我一些启示。
我希望使用从多个来源（物联网设备、API 等）摄取的数据来存储、可视化和执行机器学习。我读到，在我们所处的当前环境中，企业将需要数据湖和仓库。
我的问题是：
- 我应该先创建一个数据湖，然后从湖中转换/处理这些原始数据并将其摄取到数据仓库中吗？
- 还是数据湖本身就是一个单独的数据处理管道？
- 还是这取决于用例？
这是我一直在想的：
PS：如果这是错误的 StackExchange，请告诉我谢谢 :)
AskOverflow.Dev
这些天有很多相似和重叠的术语（数据湖、数据沼泽、数据仓库等），我不会太纠结，IMO。
数据湖是集中不同数据源的非正式场所。它们可以是灵活的，不一定需要遵循一个固定的模式，但可以遵循一个。
数据仓库的定义更加正式，并将这些不同的数据源统一到一个通用结构中，以便轻松构建消费应用程序和报告。
因此，您的问题的答案是，它仅取决于您的用例、您需要使用多少不同类型的数据和源，以及是否将数据湖作为中间步骤可以更轻松地在应用 ETL 之前完成您的用例（实际上是转换部分）处理该数据。
如果您的所有数据源都已经遵循一个相当通用的模式，那么通常您可以直接 ETL 进入您的数据仓库并完全跳过 Lake。但有时最好使用数据湖来保存提取的原始数据，以防以后需要进行某种程度的协调和调试。它会在您触摸数据之前添加一层数据外观，以将其转换为 Warehouse。