本文主要包括：
数据库、数据仓库、数据湖、湖仓一体概念与区别
什么是数据库？
数据库是“按照数据结构来组织、存储和管理数据的仓库”。
现在通常所说的数据库指的是关系型数据库。关系数据库是指采用了关系模型来组织数据的数据库，其以行和列的形式存储数据，具有结构化程度高，独立性强，冗余度低等优点。
关系型数据库的主要用于联机事务处理OLTP（On-Line Transaction Processing）主要进行基本的、日常的事务处理，例如银行交易等场景。
什么是数据仓库？
随着数据库的大规模应用，使信息行业的数据爆炸式的增长。为了研究数据之间的关系，挖掘数据隐藏的价值，人们越来越多的需要使用联机分析处理OLAP（On-Line Analytical Processing）进行数据分析，探究一些深层次的关系和信息。但是不同的数据库之间很难做到数据共享，数据之间的集成与分析也存在非常大的挑战。
数据仓库主要功能是将OLTP经年累月所累积的大量数据，通过数据仓库特有的数据储存架构进行OLAP，最终帮助决策者能快速有效地从大量数据中，分析出有价值的信息，提供决策支持
数据仓库相比数据库，主要有以下两个特点：
- 数据仓库是面向主题集成的。数据仓库是为了支撑各种业务而建立的，数据来自于分散的操作型数据。因此需要将所需数据从多个异构的数据源中抽取出来，进行加工与集成，按照主题进行重组，最终进入数据仓库。
- 数据仓库主要用于支撑企业决策分析，所涉及的数据操作主要是数据查询。因此数据仓库通过表结构优化、存储方式优化等方式提高查询速度、降低开销。
数据仓库与数据库的对比：
| 维度 | 数据仓库 | 数据库 |
|---|---|---|
| 应用场景 | OLAP | OLTP |
| 数据来源 | 多数据源 | 单数据源 |
| 数据标准化 | 非标准化Schema | 高度标准化的静态Schema |
| 数据读取优势 | 针对读操作进行优化 | 针对写操作进行优化 |
所以，数据仓库里的数据是一次写入多次读取
什么是数据湖？
数据湖是一个集中存储各类结构化和非结构化数据的大型数据仓库，它可以存储来自多个数据源、多种数据类型的原始数据，数据无需经过结构化处理，就可以进行存取、处理、分析和传输。数据湖能帮助企业快速完成异构数据源的联邦分析、挖掘和探索数据价值。
数据湖的出现主要是为了解决存储全域原始数据的问题。在捕获来自业务应用程序、移动应用程序、IoT设备和互联网的结构化和非结构化数据时，实际上并没有预先定义好数据结构，这意味着可以先存储数据而无须进行精心设计，也无须明确要进行什么分析，由数据科学家和数据工程师在后续工作中探索和尝试
从根本上来讲，数据湖的最主要目标是尽可能保持业务的可还原度
对于数据仓库与数据湖的不同之处，可以类比为仓库和湖泊的区别：仓库存储着来自特定来源的货物；而湖泊的水来自河流、溪流和其他来源，并且是原始数据。
数据湖与数据仓库的对比：
| 维度 | 数据湖 | 数据仓库 |
|---|---|---|
| 应用场景 | 可以探索性分析所有类型的数据，包括机器学习、数据发现、特征分析、预测等 | 通过历史的结构化数据进行数据分析 |
| 使用成本 | 起步成本低，后期成本较高 | 起步成本高，后期成本较低 |
| 数据质量 | 包含大量原始数据，使用前需要清洗和标准化处理 | 质量高，可作为事实依据 |
| 适用对象 | 数据科学家、数据开发人员为主 | 业务分析师为主 |
个人理解，数据湖就是不管什么样的数据，都扔到这里，不强调数据标准，数据变化快，所以前期好发展，后期容易烟囱式发展，容易乱
但是它也有好处，就是什么数据都可以扔里面，而且它允许数据可以变化
数据湖写入的时候不关心数据格式，可以这么理解，以流量为例，流量大部分都是日志，入湖的时候，我们不用去关心流量里面有啥字段，可能就是一条完整的日志存进去，等数仓需要分析的时候，按照流量的分析需求，设计好流量的表结构，然后从湖里面拿流量日志，再去解析里面的字段
数据湖存储组件
数据湖的建设方式有很多种，有的企业使用以Hadoop为核心的数据湖实现，有的企业以MPP为核心加上一些对象存储来实现。虽然建设方式不同，但是它们建设数据湖的目标是一致的
使用MPP例如Doris，需要单独搭建集群，与现有的Hadoop生态是分开的，所以从长远角度来看，使用以Hadoop为核心来实现数据湖更加靠谱
因为大部分公司大数据平台都是以Hadoop生态为基础的
目前流行的数据湖组件有hudi、iceberg、Delta
关于数据湖与数据仓库，可以参考终于有人将数据湖讲明白了
什么是湖仓一体？
湖仓一体，又被称为Lake House，其出发点是通过数据仓库和数据湖的打通和融合，让数据流动起来，减少重复建设。Lake House架构最重要的一点，是实现数据仓库和数据湖的数据/元数据无缝打通和自由流动。湖里的“显性价值”数据可以流到仓里，甚至可以直接被数仓使用；而仓里的“隐性价值”数据，也可以流到湖里，低成本长久保存，供未来的数据挖掘使用