Última actualización: 20 de mayo de 2023
Según Google, el interés en "Big Dataha ido en aumento durante varios años. Pero realmente ha despegado en el último año.
El objetivo de este artículo es destacar las diferencias entre Data Lakes y Data Warehouses.
Data Lakes y Almacenamiento de Datos todos están diseñados para almacenar Big Data. Sin embargo, estos dos tipos de almacenamiento de datos son muy diferentes.
En fait, la única similitud real entre ellos es su capacidad para almacenar datos.
¿Qué es el almacén de datos?
Los cuartos de baño Almacenamiento de Datos se traduce al francés como "almacén de datos". Como un almacén real, el almacén de datos permite recopilar, ordenar y almacenar información de bases de datos operativas.
Esto permite a las empresas mejorar la toma de decisiones al realizar consultas para examinar las tendencias en sus clientes.
¿Qué es el lago de datos?
El termino Lago de la fecha se traduce al francés como "lago de datos". Es un método de almacenamiento de datos también utilizado por big data. A diferencia de Data Warhouse, los datos se mantienen en su formato original o se transforman muy poco. lago de datos le permite almacenar datos sin procesar de varias fuentes.
3 diferencias entre un lago de datos y un almacén de datos
A continuación, resaltemos tres diferencias clave entre Data Warehouse y Data Lake. Hay una serie de diferenciadores clave entre un lago de datos y un almacén de datos, aquí hay tres de esos factores:
Data Lake almacena datos sin procesar, Date Warehouse almacena datos transformados
Los datos sin procesar son datos que aún no han sido analizados y utilizados para un propósito específico.
Quizás la mayor diferencia entre los lagos de datos y los almacenes de datos es la diferencia en la estructura entre los datos sin procesar y los datos transformados : Los lagos de datos suelen almacenar datos sin procesar sin procesar, mientras que los almacenes de datos almacenan datos transformados y limpios.
Al igual que Data Lakes, los almacenes de datos pueden almacenar una gran cantidad de datos. Sin embargo, su almacenamiento requiere una estructura mínima de los mismos, es decir que se trata de reelaborarlos para pasar de “datos brutos” a “datos netos”.
Data Lakes conserva todos los datos
Durante el desarrollo de un almacén de datos, se dedica un tiempo considerable a análisis y comprensión de datos.
Generalmente, si los datos no se utilizan para responder preguntas específicas o en un informe definido, se pueden excluir de los datos de Wahrehouse.
Esto generalmente se hace para simplificar el modelo de datos y también para ahorrar gastos generales.Espacio de almacenamiento servidores.
Por el contrario, Date Lake guarda TODOS los datos.
No solo los datos que se usan hoy, sino los que se pueden usar e incluso los datos que nunca se pueden usar solo porque PODRÍAN usarse algún día.
Este enfoque es posible porque el hardware de un Data Lac suele diferir mucho del utilizado para un Data Warehouse.
Data Lake se adapta fácilmente a los cambios
Uno de los principales inconvenientes en Data Wharehouse es el tiempo necesario para modificarlos.
Se dedica un tiempo considerable por adelantado durante el desarrollo para que la estructura del almacén sea la correcta.
Une bonne conception d'entrepôt peut s'adapter au changement, mais en raison de la complexité du processus de chargement des données et du travail effectué pour faciliter l'analyse et la génération de rapports, ces changements consomment nécessairement certaines ressources de développeur et prennent tiempo.
Muchas preguntas comerciales no pueden esperar que el equipo de Data Warehouse adapte su sistema para responder a ellos.
En las Los lagos de datos no tienen estructura y, por lo tanto, son fáciles de consultar y modificar. ; Los cambios de datos se pueden realizar muy rápidamente, ya que los lagos de datos tienen muy pocas restricciones.
Para que los usuarios puedan explorar los datos de nuevas formas y responder a sus preguntas muy rápidamente.
