數(shù)據(jù)湖并不是一個新概念，大概在十多年前，從有Hadoop開始，就有很多人提出這樣的設(shè)想。面對海量數(shù)據(jù)增長，要想挖掘數(shù)據(jù)價值，首先得有一個能夠存儲各類數(shù)據(jù)的“湖”，這個湖的“蓄水能力”要足夠強大，能存儲、分析和處理各類數(shù)據(jù)，包括結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、機器數(shù)據(jù)以及來自物聯(lián)網(wǎng)設(shè)備的數(shù)據(jù)等等。

之后，隨著大數(shù)據(jù)、云計算以及云存儲技術(shù)的不斷成熟，數(shù)據(jù)湖解決方案被主流云計算廠商極力推崇，并且演繹出不同版本。走到今天，數(shù)據(jù)湖解決方案似乎已足夠成熟，但從應(yīng)用場景來看，一切才剛剛開始，還有大量變革空間，這也是阿里云為什么要重構(gòu)數(shù)據(jù)湖解決方案，主推下一代技術(shù)的根本原因。

什么是下一代數(shù)據(jù)湖解決方案？

如何理解阿里云數(shù)據(jù)湖解決方案的最新特性？阿里云智能存儲產(chǎn)品資深總監(jiān)陳起鯤認為，數(shù)據(jù)湖解決方案由數(shù)據(jù)分析架構(gòu)演化而來。

早期大數(shù)據(jù)分析架構(gòu)，是強耦合擴容模式，同一份數(shù)據(jù)需要在不同的計算集群中重復(fù)拷貝，空間利用率低，計算資源過剩；但數(shù)據(jù)是不斷積累狀態(tài)，并且有波峰波谷期，為了滿足業(yè)務(wù)需求，承載更多數(shù)據(jù)，計算和存儲要一起擴容。因為是兩套系統(tǒng)，從生產(chǎn)導(dǎo)入數(shù)據(jù)肯定需要時間，所以會出現(xiàn)數(shù)據(jù)導(dǎo)入緩慢的狀況，最終無法實時洞察業(yè)務(wù)。

這時，聰明人就提出了數(shù)據(jù)湖架構(gòu)。早期的數(shù)據(jù)湖架構(gòu)一般是分布式文件存儲，可以橫向擴展，通過糾刪碼提高資源利用率；同時，計算和存儲是分離狀態(tài)，你可以按需擴展算力。另外，底層是分布式文件存儲，基于塊存儲、對象存儲等很多協(xié)議，用戶可以把結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)放在一起，數(shù)據(jù)可以統(tǒng)一管理，底層的分布式存儲對元數(shù)據(jù)、小文件和性能都有一定提升。

對于用戶來說，數(shù)據(jù)湖帶來的好處顯而易見，不管是過去的數(shù)據(jù)倉庫，還是現(xiàn)在的大數(shù)據(jù)、運營數(shù)據(jù)、交互式查詢，以及可視化數(shù)據(jù)、實時分析以及預(yù)測分析數(shù)據(jù)，都能基于數(shù)據(jù)湖進行存儲、分析，進而獲得更大的商業(yè)價值。

而從服務(wù)提供商的角度來看，各家都在說自己是最先提供數(shù)據(jù)湖解決方案的企業(yè)。事實上，數(shù)據(jù)在哪里，分析就在哪里。這也是為什么云廠商在推出數(shù)據(jù)庫產(chǎn)品的時候，很多用戶都愿意去嘗試。

因為產(chǎn)品本身就在承載互聯(lián)網(wǎng)場景應(yīng)用，具有海量數(shù)據(jù)云上處理能力，有更強大的計算引擎，能真正和生產(chǎn)環(huán)境融合在一起。云與互聯(lián)網(wǎng)應(yīng)用場景結(jié)合，才能孕育出最強大功能的解決方案，而在這方面，誰更具有獨特優(yōu)勢？非阿里云莫屬！

至于，阿里云的數(shù)據(jù)湖解決方案到底在哪些地方進行了重構(gòu)？其實一句話就可以概括，那就是“云湖共生，數(shù)倉同步”。

云湖共生，數(shù)倉同步

“作為業(yè)內(nèi)首個云原生、企業(yè)級數(shù)據(jù)湖解決方案，阿里云數(shù)據(jù)湖解決方案可提供EB級數(shù)據(jù)存儲、分析能力，能實現(xiàn)一站式湖存儲、湖加速、湖管理、湖計算，幫助企業(yè)深入挖掘與分析數(shù)據(jù)。”陳起鯤強調(diào)，數(shù)據(jù)湖雖然是一個早已存在的概念，但阿里云的數(shù)據(jù)湖在繼承以往優(yōu)勢的基礎(chǔ)上已演繹出新的特色。

首先，最新數(shù)據(jù)湖解決方案要能承載移動、互聯(lián)網(wǎng)、IoT業(yè)務(wù)的生產(chǎn)數(shù)據(jù)。數(shù)據(jù)湖不應(yīng)該只是解決分析環(huán)節(jié)的問題，而是要和生產(chǎn)環(huán)境結(jié)合。尤其在現(xiàn)代業(yè)務(wù)環(huán)境下，很多企業(yè)的大部分?jǐn)?shù)據(jù)都來源于移動應(yīng)用或者社交媒體，這種數(shù)據(jù)搬到分析引擎上，通常都是PB級別，如果等搬完后再分析，已不具備實時性。

所以，真正的數(shù)據(jù)湖解決方案必須基于企業(yè)級的生產(chǎn)環(huán)境做大數(shù)據(jù)分析，在線生成環(huán)境產(chǎn)生的數(shù)據(jù)，直接可以分析。其次，必須是一個能承載EB級數(shù)據(jù)量的數(shù)據(jù)湖。其三，具有秒級響應(yīng)能力，有SLA的保證，能滿足高性能和高彈性需求。其四，能對數(shù)據(jù)加密，并對數(shù)據(jù)高效管理，確保業(yè)務(wù)安全。

如何理解這些能力呢？其實一切都是客戶應(yīng)用價值驅(qū)動。比如：五年前，你問一個客戶，建了一個多大量的數(shù)據(jù)湖？用來干什么？他會說，有多少個TB，主要功能就是每天晚上做數(shù)據(jù)分析，等早晨把數(shù)據(jù)分析的結(jié)果打印出來，給領(lǐng)導(dǎo)看，用于當(dāng)天決策。

但是五年后的今天，很多分析都是PB級，領(lǐng)導(dǎo)需要實時看到分析結(jié)果。如何讓生產(chǎn)環(huán)境具有高度的彈性和穩(wěn)定性？如何讓數(shù)據(jù)分析和業(yè)務(wù)保持強耦合狀態(tài)？一定要有SLA的保證！另外，數(shù)據(jù)是企業(yè)最寶貴的資源，必須要安全地存放，統(tǒng)一管理。

基于客戶應(yīng)用場景的最新需求，阿里云在底層技術(shù)以及整體架構(gòu)上進行了四個方面的重構(gòu)。

阿里云提供了全球領(lǐng)先的、最高水平的SLA，引領(lǐng)對象存儲可用性SLA進入5位數(shù)。阿里云承諾，在每十萬次請求中，單可用區(qū)錯誤概率不超過10次，多可用區(qū)錯誤概率不超過5次，這比其他云廠商提供的服務(wù)提高了10－20倍的可用性。同時，最多有12個9的持久性設(shè)計，有多層的冗余架構(gòu)設(shè)計和主動排查故障的能力。

能支持全球數(shù)十EB級數(shù)據(jù)規(guī)模。在阿里云的數(shù)據(jù)湖應(yīng)用場景中，每天有上萬億次的讀

寫或者API調(diào)用請求，因為數(shù)據(jù)量非常大，通常會分標(biāo)準(zhǔn)型、低頻訪問型、歸檔型，用戶可以按數(shù)據(jù)類型分類。同時，數(shù)據(jù)架構(gòu)也是強一致性模型，用戶可以做全生命周期管理，系統(tǒng)會提供Bucket清單，方便企業(yè)盤點、查找資源。所以，用戶如果使用阿里云的數(shù)據(jù)湖解決方案，等于在用上EB別的數(shù)據(jù)管理功能去管理企業(yè)的數(shù)據(jù)。

用戶可以靈活、更具彈性地選擇計算引擎。在算力方面，阿里云承諾在單客戶、單可用區(qū)3分鐘提供50萬核vCPU交付能力。在存儲上，阿里云可以提供上TB級別的數(shù)據(jù)吞吐量，同時有海量數(shù)據(jù)的處理能力。在現(xiàn)實業(yè)務(wù)環(huán)境中，企業(yè)應(yīng)用往往遭遇巨大的性能挑戰(zhàn)，如果有一個資源爆掉，其他資源會受影響。比如：在一個Bucket里面，可能會有很多業(yè)務(wù)在同時分析，會互相干擾。

即使只有一個業(yè)務(wù)在分析，也有腳本的優(yōu)先級。為了從性能方面保障高可用性，阿里云提供了同Bucket分業(yè)務(wù)的QoS性能隔離功能，滿足客戶不同業(yè)務(wù)分析需求。最重要的是，不管是機器學(xué)習(xí)引擎還是深度學(xué)習(xí)引擎，都可以自然接入阿里云OSS， 讓一份數(shù)據(jù)用于多個計算引擎。

數(shù)據(jù)安全。很多人擔(dān)心上云后數(shù)據(jù)不安全。實際上，只有上云后數(shù)據(jù)才安全。在阿里云上，只需點擊幾個按鈕，就可以全鏈路加密云上數(shù)據(jù)，并且密鑰可管可控，你可以集成阿里云的密鑰管理服務(wù)，也可以集成自己的KMS服務(wù)，系統(tǒng)支持多種加密算法。

另外，云上數(shù)據(jù)加密，不能影響性能，還要有防誤刪、自帶DDoS攻擊防護功能。可能有人會問，那萬一阿里的人干了什么壞事，怎么辦？這點無需擔(dān)心！阿里云資源的所有操作，都通過日志這種不能篡改的方式記錄，并且阿里內(nèi)部對用戶資源的日志可以實現(xiàn)對外透明化，你可以通過第三方審計來核實。

值得一提的是，為了更好地提升客戶體驗，阿里云圍繞數(shù)據(jù)湖解決方案推出了一系列新產(chǎn)品。比如：對象存儲OSS加速器功能，主要用于數(shù)據(jù)湖重復(fù)復(fù)讀場景，能極大地解決讀吞吐挑戰(zhàn)，從根本上解決數(shù)據(jù)讀取的一致性問題。

同時，阿里云針對對象存儲OSS，還重磅發(fā)布了冷歸檔存儲類型產(chǎn)品，提供接近磁帶級的成本，并解決磁帶方案在兼容性、數(shù)據(jù)失效、取回效率低等的問題，是海量數(shù)據(jù)長期留存的最佳解決方案。另外，在構(gòu)建數(shù)據(jù)洞察力方面，開源Spark性能差，資源成本較高，阿里云最新發(fā)布的Databricks數(shù)據(jù)洞察產(chǎn)品內(nèi)置了商業(yè)版的Spark和DataLake，可以為用戶帶來高于開源Spark50倍的性能計算能力，確保結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)以及流式數(shù)據(jù)處理的高性能、高可靠和彈性擴展。

目前，阿里云最新推出的數(shù)據(jù)湖解決方案已經(jīng)在互聯(lián)網(wǎng)、金融、教育、游戲等技術(shù)前沿領(lǐng)域落地，尤其在人工智能、物聯(lián)網(wǎng)、自動駕駛等擁有海量數(shù)據(jù)場景的新興行業(yè)，未來大有廣闊空間。另外，混合云趨勢的到來，也會加速推動數(shù)據(jù)湖解決方案的落地。

公共云＋私有云的結(jié)合，導(dǎo)致很多企業(yè)會把一部分?jǐn)?shù)據(jù)遷移到云端，因為相對于IDC架構(gòu)，云更有彈性、技術(shù)創(chuàng)新更快，企業(yè)成本更低、業(yè)務(wù)迭代可以更敏捷。同時，隨著業(yè)務(wù)數(shù)字化、在線化，數(shù)據(jù)的容災(zāi)保護更加重要，企業(yè)會更重視對生產(chǎn)環(huán)境的災(zāi)備。而從降本增效的角度考慮，企業(yè)也更愿意對數(shù)據(jù)進行冷熱分層，把一部分?jǐn)?shù)據(jù)留在本地，把剩余的數(shù)據(jù)放在云端，然后在云上可以基于大數(shù)據(jù)、AI來做訓(xùn)練和分析。

總體來看，數(shù)據(jù)湖的未來發(fā)展前景更加可期，而隨著企業(yè)應(yīng)用上云進程的加快，阿里云將勇往直前，秒殺所有對手！

責(zé)任編輯：xj