数据湖 vs 数据仓库核心区别

一句话概括： 数据湖：存原始数据，先存储、后定义 Schema；数据仓库：存加工后的数据，先定义 Schema、再入库。

对比总表

维度	数据湖（Data Lake）	数据仓库（Data Warehouse）
Schema 模式	Schema-on-Read（读时校验）写入不校验结构，查询时才解析	Schema-on-Write（写时校验）建表提前定义字段、类型、约束，写入必须符合
数据形态	原始、半结构化、非结构化都支持：日志、JSON、图片、音视频、CSV、Parquet	结构化数据为主，清洗、转换后的表数据
存储格式	开放格式：Parquet、ORC、JSON、Avro、原始文本，对象存储（S3/OSS/HDFS）	内部存储格式，数据库表结构，行存 / 列存（如 ClickHouse、Redshift、GaussDW）
处理方式	ELT：先把数据原样丢进去，后面再转换加工	ETL：抽取→清洗转换→加载，入库前加工好
使用场景	机器学习、实时探索、Ad-Hoc 即席查询、海量原始数据归档、流数据接入	BI 报表、固定业务分析、管理看板、财务统计、结构化指标
成本	存储廉价，适合超大规模冷 / 温数据；计算按需	整体成本更高，软硬件耦合，面向稳定查询性能
治理门槛	门槛高，容易变成数据沼泽（Data Swamp），需要元数据、权限、血缘管理	治理成熟，模型规范（星型 / 雪花模型），更容易管控质量
典型引擎 / 产品	Iceberg、Hudi、Delta Lake、DuckDB、Spark、Presto、对象存储	ClickHouse、Greenplum、Teradata、AnalyticDB、GaussDW、BigQuery

数据湖 = 大池塘：什么东西都往里丢，原文件原样放着。你想用的时候自己捞出来、自己解析、自己整理。灵活，但乱起来很难用。
数据仓库 = 整理好的储物柜：提前分好格子，规定好每个格子放什么、长什么样，放进去前必须整理干净。拿出来直接做报表，稳定好管理，但不适合随便丢乱七八糟原始数据。

单独的湖和仓边界越来越模糊，湖仓一体是主流方向：底层用数据湖（对象存储 + 湖表格式：Iceberg/Hudi/Delta）存数据，上层提供类似数仓的能力：ACID、事务、元数据、SQL、权限。

代表：Databricks、阿里云 MaxCompute、华为 FusionInsight、Apache Doris（部分湖仓能力）

✅ 选数据湖：

✅ 选数据仓库：

本文原创作者：易君召，详见：https://www.yijunzhao.cn/authors/yijunzhao，转载请注明出处。