19. 大数据-产品概念

---

前言

``‌

  数据库、数据仓库、数据平台、数据中台、数据湖。

---

一、数据库

1. 简介

数据库是用于存储、管理、维护和检索数据的系统。是所有软件应用、网站、企业信息系统和数据驱动决策的基础。简单来说就是：数据库就是一个存储信息（水）的容器。

2. 使用场景

3. 数据库类型

数据库类型：
关系型数据库和非关系型（NoSQL）数据库。
非关系型又分为四种类型：键值型、列存储型、文件型和图形数据库。

4. 数据类型

某些数据库（如 MongoDB）可以分为多个类别，因为它们支持不同的数据模型。此外，所提供的列表并不详尽，因为每个类别中还有许多其他数据库可用。

数据可以是结构化的、半结构化的，也可以是非结构化的，并以表格、文档和键值对等各种格式存储。它可以是任何东西，从简单的购物清单到图片库，再到企业网络中的大量信息。

数据库的重点在事务处理，可以简单理解为SQL操作上，不擅长数据分析。

二、数据仓库

1. 简介

数据仓库是一个集中式存储库，用于存储，来自多个数据源的大量结构化数据。它使组织能够整合数据，进行数据分析、报告等。

例如：数据库是超市的一瓶水或酒，数据仓库就是超市的酒水展览区。

2. 使用场景

3. 数据仓库架构

数据仓库适合处理结构化数据进行分析，但是无法处理半结构化、非结构化数据，也无法实时进行数据分析。

三、数据平台

1. 简介

数据平台是一个全面的技术解决方案，对数据生命周期的整个数据处理流程，包括数据的收集、存储、管理、分析和可视化。它不仅包含数据仓库的功能，还扩展了非结构化数据的采集、大数据处理、实时分析、数据科学和机器学习等能力。

例如：数据平台就是超市的管理办公室，管理商品的摆放、下架等等。

2. 使用场景

3. 数据仓库架构

数据平台擅长处理结构化、非结构化数据，并深度、实时分析，生成报告，但相对较为闭塞。

四、数据中台

1. 简介

数据中台是一种以数据为核心的架构和理念，旨在构建一个集中、可控、高效的数据管理平台。它将企业内外的各类数据整合，通过统一的标准和规范，实现数据的互通和共享。

例如：数据中台就是超市的供应链，接收派发来自不同厂家的商品、物资等，进行分类、存储和摆放。

2. 使用场景

3. 数据中台架构

数据中台能提供API或其他共享方式提供数据服务，确保数据快速、灵活地服务于业务，加速决策。但是缺少原始的、未加工的形式的数据。

五、数据湖

1. 简介

数据湖是一个未整合的、非面向主题的数据集合。数据湖可以存放来源不同的任何类型的数据，这些数据可以是结构化的、非结构化的、半结构化的。它是你可以以可伸缩的方式存储和处理所有数据的地方。

例如：数据湖就是N个超市(还是不同类型的)，山姆+华润万家+朴朴+摆地摊等等。

2. 使用场景

3. 数据湖架构

数据湖是一个存储（N多数据）原始数据的地方，适合为数据分析人员和数据科学家提供一个自由探索的环境，他们可以在这里挖掘数据，发现新的见解。就像是一个实验室，里面的化学用品（数据）可以被拿来分析和实验，看看能发现什么新东西。

六、总结

1. 区别

总的来说，数据库是数据管理的基础，数据仓库用于分析和决策支持，数据平台提供全面的数据处理能力，数据中台强调数据的整合和共享，数据湖则用于存储大量的原始数据。这些技术在不同的场景中都有各自的价值。

1. 数据类型：

• 数据库：主要处理结构化数据，有明确的数据结构和模式。

• 数据仓库：通常处理结构化数据，经过了一定的清洗、转换和整合。

• 数据平台：能够处理结构化、半结构化和非结构化数据。

• 数据中台：整合了多种类型的数据，包括结构化、半结构化和非结构化。

• 数据湖：可以容纳各种类型的数据，包括原始的、未经处理的结构化、半结构化和非结构化数据。

2. 数据用途：

• 数据库：支持日常的事务处理，如订单录入、客户信息管理等。

• 数据仓库：用于数据分析和决策支持，例如生成报表、进行数据挖掘。

• 数据平台：涵盖了数据的全生命周期管理，包括采集、存储、处理、分析和应用。

• 数据中台：着重于打破数据孤岛，实现数据的共享和复用，以支持快速的业务创新。

• 数据湖：作为数据的存储池，为后续的分析和处理提供原始数据。

3. 数据模式：

• 数据库：遵循严格的预定义模式。

• 数据仓库：通常有较为固定的模式，但相对数据库可能更具灵活性。

• 数据平台：模式较为灵活，可根据不同的处理需求进行调整。

• 数据中台：强调统一的数据标准和规范，以确保数据的一致性和可用性。

• 数据湖：没有预先定义的模式，数据在写入时无需进行模式定义。

4. 数据处理速度：

• 数据库：注重事务处理的速度和一致性。

• 数据仓库：处理大规模数据的分析查询，速度相对较慢。

• 数据平台：性能取决于具体的技术架构和配置。

• 数据中台：致力于提供快速的数据服务和响应能力。

• 数据湖：在处理大规模数据时，性能可能会受到存储架构和计算资源的影响。

5. 成本：

• 数据库：相对较低的建设和维护成本。

• 数据仓库：建设和维护成本较高。

• 数据平台：成本因规模和技术选型而异。

• 数据中台：通常需要较高的投入来构建和运营。

• 数据湖：存储成本可能较高，但处理成本相对较低。

2. 联系

它们共同构成了企业的数据管理体系，相互协作以满足不同的业务需求。

• 数据库为其他组件提供了基础的数据来源。

• 数据仓库常常从数据库中获取数据，并进行整合和分析。

• 数据平台可以整合来自数据库、数据仓库、数据湖等的数据，并提供统一的处理和管理环境。

• 数据中台依赖于数据库、数据仓库和数据平台等提供的数据，实现数据的共享和服务化。

• 数据湖可以作为数据的原始存储，为数据仓库、数据中台等提供数据支持。

例如：一家超市企业可能使用数据库来管理订单和用户信息，将这些数据抽取到数据仓库进行销售趋势分析，利用数据平台进行大数据处理和机器学习模型训练，通过数据中台实现数据在不同业务部门的共享和复用，同时将大量的用户行为数据存储在数据湖中以备后续的深入分析。

---

本文的引用仅限自我学习如有侵权，请联系作者删除。
参考知识
一文读懂数据库、数据仓库、数据平台、数据中台、数据湖

---