如何保证Hadoop数据湖不变成“数据洪水”

【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》

1、数据湖：一不留神变数据洪

数据湖的提出距今已经有了几年时间了，特别是在当今时代中，基于Hadoop建立的数据湖在大数据处理中占有的位置越来越重要。但是如何保证数据湖不像南方水灾一样泛滥，依然是一个耐人寻味的话题。

数据湖已满，如何防泛滥

数据湖洪水泛滥

数据湖十分灵活，同时具备可扩展和低成本的特点。其最初建立的目的十分简单，就是将所有形式的数据集中在同一处，这些数据包括了结构化数据、非结构化数据以及半结构化数据。这些数据可以是日志文件、点击流、邮件、图像、音频视频或者文本文件。

数据湖中数据类型繁杂

在这些数据中，非结构化和半结构化数据占据了很大一部分，但是由于我们的处理能力不同，一些数据可能在数据湖中存储了很长时间而不能被处理掉，这样就会一直积攒下来保留的现在。

诚然，数据湖可以帮助处理各种形式的数据，这其中以结构化数据为主。而且数据湖具备数据库的大部分特质，可以提供数据查询、结构化数据处理报告等业务。数据湖的***价值在于数据利用、探索大数据的价值，预测未来结果并为企业提出相关建议，进而指导企业的进一步决策和行动。

“数据洪”一触即发

但是，问题也就发生在这里。因为基于Hadoop部署的数据湖的能力并不足以应付一切，而用户对数据湖又疏于管理。数据量随时间而增加，数据湖开始泛滥，进而有逐步发展成洪水的趋势。数据不能得到有效的分配，“数据洪”随时可能冲溃堤坝，水漫金山。

2、数据湖管理需更好的工具

抗洪还得靠管理

那么数据湖要如何才能避免成为数据洪的悲剧呢?首先应该从根本上改变传统对数据湖的看法。把数据湖当作一个整体库存来管理是存在问题的，对于管理人员来讲，基于数据类型需要把数据湖分成一个个的区，分别处理管理。

基于Hadoop的数据湖需要分类

基于Hadoop的数据湖的区域划分归类对其而言十分重要。管理者需要对其需要提取的数据进行原始数据的保留，并且对其进行元数据标记，标明数据源、数据类型等。当被提取的数据处理完毕之后要对其统一规划并进行后续处理。

如果用户需要选择一些特定应用程序的数据，那么可以通过收集、转换，将来自不同数据源的数据全部带走并进行处理。***，在处理工作完成后可以通过数据轨迹、处理日志等工具对处理过程进行审核，保障数据处理的完成度。

数据分类管理

这些问题说起来简单，但是做起来却是一件相当麻烦的事情。这要求企业拥有一套十分成熟的数据提取工具，用于数据转化、分类、标记以及其他任务。

而且不仅仅是企业关注这一问题，在Apache的Hadoop社区也有好多团队在致力于开发此类工具。事实上，此类工具更趋向于数据管理专业，这些对于企业来讲并不熟悉。而好消息是，一些相关的生态链已经在Hadoop领域开始形成，相信解决数据湖管理难题的工具将在不久后出现。