Mis on andmehoidla vs andmejärv?

Andmehoidla (Data Warehouse) ja Andmejärv (Data Lake) on kaks erinevat lähenemisviisi andmete salvestamisele ja töötlemisele:

• Data Warehouse — struktureeritud andmehoidla, mis on optimeeritud analüütika ja aruandluse jaoks. Sellesse laaditakse puhastatud, teisendatud ja organiseeritud andmed erinevatest allikatest. Tavaliselt salvestatakse andmed tabelitesse selge skeemiga (schema-on-write). See võimaldab kiiresti teha keerukaid päringuid ja koostada aruandeid.

• Data Lake — see on salvestuskoht, kus andmed säilitatakse toorainena, ilma eelneva töötlemise ja rangete skeemideta (schema-on-read). Data Lake'i saab salvestada struktureeritud, poolstruktureeritud ja struktureerimata andmeid (logid, pildid, videod jne). See on paindlik lahendus suure hulga erinevate andmete salvestamiseks, mida saab analüüsida ja töödelda vastavalt vajadusele.

Peamised erinevused:

Omadus	Data Warehouse	Data Lake
Andmete formaat	Struktureeritud, skeemiga	Iga, toorainena
Skeem	Schema-on-write (salvestamise ajal)	Schema-on-read (lugemise ajal)
Kasutamine	Analüütika, aruanded	Masinõpe, uurimused
Salvestamise hind	Tavaliselt kallim	Tavaliselt odavam