Čo je to data warehouse vs data lake?

Data Warehouse (úložisko dát) a Data Lake (jazero dát) sú dva odlišné prístupy k ukladaniu a spracovaniu dát:

• Data Warehouse: štruktúrované úložisko dát, optimalizované na analýzu a reporting. Do neho sa načítavajú vyčistené, transformované a organizované dáta z rôznych zdrojov. Zvyčajne sú dáta uložené v tabuľkách so jasnou schémou (schema-on-write). To umožňuje rýchle vykonávanie zložitých dopytov a tvorbu správ.

• Data Lake: je úložisko, kde sú dáta uchovávané v surovej forme, bez predchádzajúcej úpravy a s flexibilnou schémou (schema-on-read). V Data Lake môžu byť uložené štruktúrované, polostruktúrované a nestruktúrované dáta (logy, obrázky, videá a pod.). Je to flexibilné riešenie pre ukladanie veľkých objemov rôznorodých dát, ktoré je možné analyzovať a spracovávať podľa potreby.

Kľúčové rozdiely:

Charakteristika	Data Warehouse	Data Lake
Formát dát	Štruktúrované, so schémou	Akýkoľvek, v surovej forme
Schéma	Schema-on-write (pri zápise)	Schema-on-read (pri čítaní)
Použitie	Analýza, správy	Strojové učenie, výskum
Cena ukladania	Zvyčajne drahšie	Zvyčajne lacnejšie

Príklad: firma môže používať Data Warehouse na pravidelné predajné správy, a Data Lake na ukladanie všetkých dát o zákazníkoch, vrátane logov, obrázkov a textových súborov, na následnú analýzu a modelovanie.