数据湖架构结合了数据湖和数据仓库。虽然它不仅仅是两者之间的简单集成，但其理念是充分发挥两种架构的优势：数据仓库的可靠交易以及数据湖的可扩展性和低成本。

Lakehouse 架构支持管理各种数据类型，例如结构化、半结构化和非结构化数据，并可满足各种用例的需求，包括商业智能、机器学习和实时流式传输。这种灵活性使企业能够摆脱传统的两层架构——使用仓库处理关系工作负载，使用数据湖进行机器学习和高级分析。因此，组织可以通过使用单个数据存储来降低运营成本并简化其数据策略。

目前比较常用的数据湖有hudi、iceberge、delta lake及paimon。

项目

Apache Iceberg

Apache Hudi

Delta Lake

Apache Paimon

开源时间

2018/11/6

2019/1/17

2019/4

2023/3/12

Github Star

6.1k

5.3k

7.4k

2.3k

update/delete

支持

支持

支持

支持

文件合并

手动

自动

自动

自动

历史数据清理

手动

自动

自动

自动

文件格式

parquet,avro,orc

parquet,avro

parquet

parquet,avro,orc

计算引擎

Hive/Spark/Presto/Flink/Impala

/Trino等

Hive/Spark/Presto/Flink/Impala

/Trino等

Hive/Spark/Presto

Hive/Spark/Presto/Flink

/Trino

存储引擎

HDFS/S3

HDFS/S3/OBS/ALLUXIO/Azure

HDFS/S3/Azure

HDFS/S3/OSS

SQL DML

支持

支持

支持

支持

ACID事务

支持

支持

支持

支持

索引

不支持

支持

不支持

支持

Timeline

支持

支持

支持

支持

可扩展的元数据存储

支持

支持

支持

支持