Lakehouse 兴起，企业不再受制于单一云平台

八年前，数据湖的概念应运而生，彼时业界正寻求一种融合数据湖与数据仓库特性的新型产品。这一架构模式虽吸引了一批拥趸，但其发展速度并未如预期般迅猛。然而，随着2025年的临近，诸多因素的协同作用有望推动数据湖实现显著增长。

回溯至2010年的大数据浪潮，Hadoop凭借其构建廉价行业标准X86服务器集群以存储和处理PB级数据的能力，迅速成为炙手可热的技术，其成本远低于以往基于专用硬件的昂贵数据仓库和设备。

Hadoop集群因允许客户将海量半结构化和非结构化数据倾倒至分布式文件系统中，而被冠以“数据湖”之名。客户可根据特定分析需求灵活处理和转换数据，或采用“读取时结构化”的策略，这与当时数据仓库普遍采用的“写入时结构化”方法截然不同。在Hadoop出现前，客户需耗费大量时间转换和清理事务数据后才能加载至数据仓库，这一过程不仅耗时且成本高昂，但对于充分利用昂贵的存储和计算资源而言实属必要。

然而，随着Hadoop实验的推进，众多客户发现其数据湖逐渐沦为数据沼泽。尽管将原始数据存储于HDFS或S3中可大幅扩充数据存储量，但数据质量却因此下降。Hadoop缺乏有效的数据管理控制手段，致使客户对基于Hadoop的分析结果信任度降低。

到了2010年代中期，多个独立团队致力于寻求解决方案。Uber工程师Vinoth Chandar领导的团队率先取得突破，他们为了解决拼车应用中的快速移动文件问题，开发出一种表格格式，使Hadoop能够类似传统数据库般高效处理数据，该格式被命名为Hu