2.Hype Cycle 2021

Hype Cycle 2021評(píng)測(cè)圖表如下：

曲線的坐標(biāo)為“時(shí)間”，表示技術(shù)將隨時(shí)間發(fā)展經(jīng)歷的階段。縱坐標(biāo)為“預(yù)期”，即受關(guān)注程度，代表市場(chǎng)對(duì)技術(shù)未來(lái)價(jià)值的預(yù)估。坐標(biāo)點(diǎn)的形狀，代表該技術(shù)進(jìn)入成熟期的預(yù)計(jì)時(shí)間。
在Gartner模型中，可以從兩個(gè)維度來(lái)量化新技術(shù)的成熟度：功能豐富性和主流性。Gartner認(rèn)為，新技術(shù)從誕生到最終成熟商用，一般都會(huì)經(jīng)歷5個(gè)階段：

技術(shù)成熟度曲線的不同形狀呈現(xiàn)了響應(yīng)技術(shù)在發(fā)展過(guò)程中的價(jià)值預(yù)期隨時(shí)間的變化情況，能夠準(zhǔn)確地反映隨技術(shù)發(fā)展出現(xiàn)高峰的更深層根本原因和性質(zhì)。
在Gartner看來(lái)，如今整體上數(shù)據(jù)管理技術(shù)已經(jīng)逐步趨于成熟，其中大約有一半都處在爬升期。這些進(jìn)入者中的大多數(shù)將在兩年內(nèi)進(jìn)入穩(wěn)步發(fā)展的成熟期。這意味著，技術(shù)決策者們，可以優(yōu)先考慮采用這些新技術(shù)，因?yàn)橄鄬?duì)較高的成熟度，即具有很高的業(yè)務(wù)價(jià)值和最小的技術(shù)風(fēng)險(xiǎn)。
關(guān)于數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)，Gartner認(rèn)為，LDW（邏輯數(shù)據(jù)倉(cāng)庫(kù)）已成為最主流的數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)。這是因?yàn)樗梢造`活適應(yīng)許多架構(gòu)變化，通過(guò)其邏輯層，將底層復(fù)雜且差異化的數(shù)據(jù)倉(cāng)庫(kù)環(huán)境實(shí)現(xiàn)統(tǒng)一。而作為數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)的重要組件，Data Lake、Data Hub Strategy和Lakehouse，還有較長(zhǎng)的路要走。（注：在成熟度曲線中，三者的定位為：Data lake-即將走出低谷期，走向成熟；Data Hub Strategy-經(jīng)過(guò)泡沫期的爆發(fā)，正走向低谷期；Lakehouse-仍處于啟動(dòng)階段，是等待探索的新技術(shù)）

3.Gartner對(duì)于「湖倉(cāng)一體」的分析

定義：

• 「湖倉(cāng)一體」將數(shù)據(jù)湖的語(yǔ)義靈活性與數(shù)據(jù)倉(cāng)庫(kù)的生產(chǎn)優(yōu)化和交付相結(jié)合。它是一個(gè)融合的基礎(chǔ)設(shè)施環(huán)境，支持從原始數(shù)據(jù)到精煉數(shù)據(jù)的整個(gè)過(guò)程，并最終提供優(yōu)化后的數(shù)據(jù)以供消費(fèi)。

重要意義：

• 數(shù)據(jù)和分析領(lǐng)域的頭部企業(yè)，致力于數(shù)據(jù)湖的構(gòu)建并從中獲得價(jià)值。但是，目前數(shù)據(jù)湖與數(shù)據(jù)倉(cāng)庫(kù)獨(dú)立部署、同時(shí)存在的形態(tài)，無(wú)疑增加了數(shù)據(jù)和分析領(lǐng)域的復(fù)雜性?！负}(cāng)一體」旨在實(shí)現(xiàn)兩種架構(gòu)的統(tǒng)一，最大限度地降低了數(shù)據(jù)遷移的需求和AI/ML建模的復(fù)雜性，來(lái)實(shí)現(xiàn)效率的提升，提供了一個(gè)更簡(jiǎn)化的數(shù)據(jù)處理環(huán)境。

商業(yè)影響：

• 「湖倉(cāng)一體」，將使業(yè)務(wù)從簡(jiǎn)化的交付流程、數(shù)據(jù)的快速訪問(wèn)中受益，同時(shí)滿足了用戶對(duì)于性能和易用性的更高要求。通過(guò)構(gòu)建整合的數(shù)據(jù)管理平臺(tái)，服務(wù)于各種各樣的職能角色，包括專業(yè)的數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師和業(yè)務(wù)分析師等，甚至包括通過(guò)數(shù)據(jù)看板來(lái)使用數(shù)據(jù)的臨時(shí)用戶。「湖倉(cāng)一體」本質(zhì)上為數(shù)據(jù)科學(xué)的創(chuàng)新提供了定義明確、可落地的發(fā)展途徑。

技術(shù)驅(qū)動(dòng)力：

• 數(shù)據(jù)科學(xué)項(xiàng)目，往往難以在生產(chǎn)環(huán)境中落地投產(chǎn)?！负}(cāng)一體」實(shí)現(xiàn)了研究探索和生產(chǎn)交付的統(tǒng)一，從而緩解了這些問(wèn)題。

• 企業(yè)一直希望能夠快速、平滑地訪問(wèn)數(shù)據(jù)，但往往受限于數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)處理的復(fù)雜流程以及交付的延期，而「湖倉(cāng)一體」正是解決這個(gè)問(wèn)題的“銀彈”。
  
• 數(shù)據(jù)湖和數(shù)據(jù)倉(cāng)庫(kù)，原本是應(yīng)對(duì)不同業(yè)務(wù)場(chǎng)景而產(chǎn)生的技術(shù)，并做了針對(duì)的特性優(yōu)化。而現(xiàn)在，很多時(shí)候還要考慮對(duì)靈活性（兼容性）的兼顧。如果這樣的話，獨(dú)特性必然要做出犧牲，而且仍需要通過(guò)技術(shù)手段去彌補(bǔ)二者的差異。企業(yè)正在尋求這樣的平衡點(diǎn)，而「湖倉(cāng)一體」的出現(xiàn)，使這種界限變得模糊。
  
• 很多云數(shù)據(jù)倉(cāng)庫(kù)，及絕大多數(shù)的云數(shù)據(jù)湖提供商，選擇云對(duì)象存儲(chǔ)作為其存儲(chǔ)方案，形成了靈活多樣的訪問(wèn)接口。為了消除這種分散、重復(fù)建設(shè)的現(xiàn)狀，技術(shù)的統(tǒng)一將成為必然。
  
• 在支持?jǐn)?shù)據(jù)科學(xué)、預(yù)測(cè)建模和機(jī)器學(xué)習(xí)等方面，目前大多數(shù)云數(shù)據(jù)倉(cāng)庫(kù)，都沒(méi)有對(duì)強(qiáng)大的DBMS分析功能進(jìn)行很好的集成。「湖倉(cāng)一體」方法提供了這些功能。

主要難題：

• 「湖倉(cāng)一體」解決方案的成熟度仍在發(fā)展中。許多解決方案還不能全方位支持事務(wù)一致性或較為完善的工作負(fù)載管理功能，而這些能力是數(shù)據(jù)管理和數(shù)據(jù)分析業(yè)務(wù)所需要的。
  
• 目前大多數(shù)「湖倉(cāng)一體」解決方案，在面臨最復(fù)雜的數(shù)倉(cāng)業(yè)務(wù)負(fù)載時(shí)，仍可能有一定差距。
  
• 用戶對(duì)于復(fù)雜數(shù)據(jù)架構(gòu)的設(shè)計(jì)、部署和維護(hù)能力也不成熟。這雖然不是技術(shù)問(wèn)題，但同樣是一個(gè)顯著的挑戰(zhàn)。
  
• 「湖倉(cāng)一體」的很多配套能力還有待優(yōu)化提升，包括數(shù)據(jù)質(zhì)量管理、安全性、數(shù)據(jù)治理和性能等方面。

4.「湖倉(cāng)一體」在國(guó)內(nèi)外的技術(shù)探索
在我看來(lái)，「湖倉(cāng)一體」的出現(xiàn)，降低了大數(shù)據(jù)分析的技術(shù)復(fù)雜度和成本，同時(shí)滿足了用戶對(duì)性能和易用性的更高要求。
在艾瑞發(fā)布的《2021年中國(guó)數(shù)據(jù)庫(kù)行業(yè)研究報(bào)告》中，「湖倉(cāng)一體」也被看作是未來(lái)數(shù)據(jù)庫(kù)發(fā)展的新趨勢(shì)。

在國(guó)外，Snowflake、Databricks等數(shù)據(jù)庫(kù)公司，作為「湖倉(cāng)一體」理念的先行者，憑借其前沿的技術(shù)特性和豐富的技術(shù)生態(tài)，獲得了迅猛發(fā)展，已經(jīng)成為了「湖倉(cāng)」領(lǐng)域的技術(shù)引領(lǐng)者。國(guó)內(nèi)方面，巨杉SequoiaDB作為原生的分布式數(shù)據(jù)庫(kù)，憑借多年的產(chǎn)品打磨和行業(yè)深耕，已經(jīng)有了較為成熟的「湖倉(cāng)一體」落地案例。

此外，隨著越來(lái)越多企業(yè)客戶的IT架構(gòu)從本地?cái)?shù)據(jù)中心轉(zhuǎn)向云端，云原生正在成為新一代數(shù)據(jù)架構(gòu)的主流標(biāo)準(zhǔn)，大數(shù)據(jù)領(lǐng)域也將加速“一體化”新方向的演進(jìn)。各大云廠商陸續(xù)提出自己的「湖倉(cāng)一體」技術(shù)方案，同樣受到了業(yè)界的普遍關(guān)注，我們也因此看到了更多的技術(shù)探索案例。

4.1 Snowflake

Snowflake，是完全構(gòu)建在云上的企業(yè)級(jí)「湖倉(cāng)一體」解決方案。它基于云環(huán)境進(jìn)行了根本性地重新設(shè)計(jì)，處理引擎和其他大部分組件均為自主研發(fā)。Snowflake從2012 年開(kāi)始投入研發(fā)，到 2015年6月完成了初步商用。目前，Snowflake 已經(jīng)被越來(lái)越多的組織采用，每天承載PB級(jí)的數(shù)據(jù)存儲(chǔ)及超過(guò)上千萬(wàn)次的查詢。

Snowflake本是「云數(shù)倉(cāng)」提供商，主要面向結(jié)構(gòu)化及半結(jié)構(gòu)化的數(shù)據(jù)分析。伴隨著Lakehouse概念的誕生，Snowflake逐步增強(qiáng)其數(shù)據(jù)湖相關(guān)能力，例如第三方數(shù)據(jù)源接入、IoT/流處理等多種工作負(fù)載，以及已經(jīng)實(shí)現(xiàn)的跨云部署等。2021年6月，Snowflake更正以Private Perview的方式對(duì)部分客戶提供Unstructured Data非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)及處理能力的技術(shù)預(yù)覽，以解鎖全新的數(shù)據(jù)價(jià)值。

4.2 Databricks

Databricks早期，是將Azure的云存儲(chǔ)掛載為DBFS（Databricks File System），借助Spark的計(jì)算實(shí)現(xiàn)基本的表存儲(chǔ)和SQL簡(jiǎn)單處理。而到了現(xiàn)在已經(jīng)提供了基于SQL/Python/R/Scala的成熟BI工具，并在AI和ML的擴(kuò)展支持方面做了大量的投入。

Databricks現(xiàn)已經(jīng)支持AWS、Azure、Google三家公有云，且部署在全球超過(guò)50個(gè)Region。相比于Snowflake，Databricks的發(fā)展路徑，更接近于從數(shù)據(jù)湖逐步走向「湖倉(cāng)一體」。Delta Lake 及 Delta Engine是Databricks的兩大重要組成部分。

Delta Lake作為可靠的開(kāi)源存儲(chǔ)層，與 Apache Spark API完全兼容，提供ACID事務(wù)，且支持可縮放元數(shù)據(jù)處理、版本管理、Schema管理、審計(jì)等一系列數(shù)據(jù)管理功能等，可輕松實(shí)現(xiàn)流處理和批數(shù)據(jù)的統(tǒng)一。此外，可以根據(jù)實(shí)際工作負(fù)載對(duì)Delta Lake進(jìn)行靈活地配置。

Delta Engine作為高性能的數(shù)據(jù)處理引擎，提供了對(duì)Apache Spark的良好兼容性。Delta Engine在數(shù)據(jù)查詢方面的全面優(yōu)化，可加快數(shù)據(jù)湖的操作效率，并支持豐富的工作負(fù)載類(lèi)型，從大規(guī)模ETL處理到交互式查詢均可勝任。Databricks典型部署架構(gòu)如下：

4.3 巨杉SequoiaDB,湖倉(cāng)一體數(shù)據(jù)平臺(tái)

基于100%自研的分布式數(shù)據(jù)庫(kù)內(nèi)核，巨杉數(shù)據(jù)庫(kù)SequoiaDB提供了「湖倉(cāng)一體」數(shù)據(jù)平臺(tái)。目前在銀行、保險(xiǎn)、證券等各行業(yè)，已經(jīng)擁有豐富的最佳實(shí)踐及案例，幫助客戶構(gòu)建起數(shù)據(jù)平臺(tái)最佳底座。

巨杉數(shù)據(jù)庫(kù)基于「湖倉(cāng)一體」的架構(gòu)特性，構(gòu)建數(shù)據(jù)基礎(chǔ)設(shè)施平臺(tái)，整合結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一存儲(chǔ)與管理，為面向全量數(shù)據(jù)業(yè)務(wù)提供：SQL、NoSQL、Object多種接口。
此外，通過(guò)特有的跨引擎事務(wù)能力，可以有效簡(jiǎn)化多團(tuán)隊(duì)開(kāi)發(fā)流程中對(duì)不同引擎、不同結(jié)構(gòu)的數(shù)據(jù)管理，打通ACID事務(wù)支持，提升業(yè)務(wù)開(kāi)發(fā)、數(shù)據(jù)處理、運(yùn)維管理能力，釋放全量數(shù)據(jù)價(jià)值，提升企業(yè)數(shù)據(jù)處理的“人效”及“能效”。

在金融銀行業(yè)生產(chǎn)環(huán)境中，最早的巨杉數(shù)據(jù)庫(kù)集群已經(jīng)連續(xù)運(yùn)行超過(guò)7年，最大單客戶集群規(guī)模達(dá)300臺(tái)物理服務(wù)器，所管理的單集群最大數(shù)據(jù)量達(dá)到1.2萬(wàn)億條，助力客戶實(shí)現(xiàn)提升數(shù)據(jù)管理水平、降低成本、提升運(yùn)營(yíng)效率、提升用戶體驗(yàn)等目標(biāo)。

5.結(jié)語(yǔ)

伴隨著20年的大數(shù)據(jù)發(fā)展史，我們看到了數(shù)據(jù)湖與數(shù)據(jù)倉(cāng)庫(kù)的不斷發(fā)展和創(chuàng)新，業(yè)界也認(rèn)識(shí)到以湖倉(cāng)一體化為核心的技術(shù)架構(gòu)，對(duì)企業(yè)大數(shù)據(jù)的價(jià)值發(fā)揮帶來(lái)了更為重要的現(xiàn)實(shí)意義。

數(shù)據(jù)湖和數(shù)據(jù)倉(cāng)庫(kù)，原本是大數(shù)據(jù)技術(shù)條件下構(gòu)建分布式系統(tǒng)的兩種數(shù)據(jù)架構(gòu)設(shè)計(jì)取向。而融合后的「湖倉(cāng)一體」，為業(yè)界和用戶展現(xiàn)了一種「湖」與「?jìng)}」互相補(bǔ)充、協(xié)同工作的架構(gòu)。、

在“2021年大數(shù)據(jù)前沿技術(shù)及產(chǎn)業(yè)論壇”中，報(bào)告《研究大數(shù)據(jù)產(chǎn)品融合演進(jìn)之路》指出：在數(shù)字化驅(qū)動(dòng)下，「湖倉(cāng)一體」或?qū)⒊蔀榇髷?shù)據(jù)技術(shù)發(fā)展的下一跳，而支撐這一技術(shù)架構(gòu)的基礎(chǔ)，將是如何更好地將數(shù)據(jù)湖和數(shù)據(jù)倉(cāng)庫(kù)的能力相結(jié)合，具備完善的數(shù)據(jù)存儲(chǔ)及高性能的聯(lián)機(jī)處理能力。
毫無(wú)疑問(wèn)，「湖倉(cāng)一體」代表了未來(lái)技術(shù)演進(jìn)的方向。未來(lái)，「湖倉(cāng)一體」將會(huì)更好地助力企業(yè)降低成本、提升運(yùn)營(yíng)效率、豐富業(yè)務(wù)模式探索，從而釋放全量數(shù)據(jù)的價(jià)值，提升數(shù)據(jù)處理的“能效”和“人效”。

songjy