阿里巴巴|阿里云数据湖3.0：数据价值归于“原点”( 二 )

但数据湖2.0架构下虽然实现了数据的统一存储，但是用户仍然需要在计算侧进行自行搭建来实现元数据管理和协议转换，这给用户带来了运维复杂性，同时这部分的数据管理无法和对象存储在底层实现无缝融合，实现数据的统一管理。
云原生时代到来，给了数据湖更多的选择。比如云上纯托管的存储系统逐步取代 HDFS ，成为数据湖的存储基础设施。同时，在Hadoop和Spark的引擎之外，云服务商们还发展出面向数据湖的引擎产品，如AWS Athena和Sagemaker等等。

阿里云则基于云原生数据湖，提出了数据湖3.0架构，通过全兼容的HDFS服务化能力，用户不再需要搭建元数据管理集群，轻松实现自建 HDFS 向数据湖架构迁移。同时，原生具备多协议的接入能力，及多种元数据的统一管理，实现HDFS与对象存储底层的无缝融合，真正让数据在多种的生态间高效统一流入、管理、使用，帮助用户加速业务创新。
这也是云原生数据湖的意义所在，可直接接入业务生产中心，如业务系统中的原始数据、日志数据等可通过互联网直接入湖，无需经过中间环节处理，业务效率提升一倍以上，有力地驱动企业IT系统从“成本中心”转型为“创新中心” 。
鱼与熊掌可以兼得
去年10月23日，阿里云宣布推出业内首个云原生企业级数据湖解决方案，该方案采用了存储计算分离架构，以阿里云对象存储 OSS 为中心实现统一存储，为企业生产业务提供大规模、高性能、高安全的数据湖存储底座。今年阿里云又定义了数据湖3.0架构，帮助企业更好的发挥数据价值。

作为阿里云存储的重要战略，阿里云是如何定义云数据湖3.0？
首先，阿里云有强大的数据存储引擎。阿里云的数据湖底座对象存储 OSS 是基于阿里云自研的分布式存储引擎——盘古搭建，提供体系化的数据采集能力，支持结构化/半结构化/非结构化数据源。
在具体的客户收益方面， OSS 对象接口支持毫秒级原子10亿级目录重命名，通过OSS 加速器实现10倍读性能提升，支持所有存储类型沉降至冷归档，降本最高达 90% ，并提供分钟级数据取回能力。面向AI 场景， OSS 实现与CPFS 数据流动，降低95%计算等待时间，大幅提升训练效率。
其次，与云原生平台的深入结合。阿里云云原生数据湖体系由数据湖对象存储 OSS、数据湖构建 DLF、E-MapReduce、云原生数据湖分析 DLA、DataWorks 等产品强强组合，在存储与计算分离的架构下，提供“湖存储”、“湖加速”、“湖管理”、“湖计算”的企业级数据湖解决方案。
我们知道，数据湖可以对接多种差异性的计算引擎，运行在不同负载之上，多种计算引擎都共享同一套存储系统，有利于帮助企业打破数据孤岛，洞察数据价值。
第三，内部及外部的有效验证。这一点非常容易理解，阿里巴巴本身是阿里云数据湖产品的最佳实践者，后者首先支撑了阿里巴巴集团内部的电商、移动办公、文娱、物流、本地生活等各种复杂业务，建立了完善的自我实践机制，产品和方案得到有效的验证。同时，阿里云的数据湖方案也支撑了在线教育、互联网广告、新媒体、网络游戏等行业用户在快速发展过程中的实际业务需求，实现了技术的有效赋能。
【阿里巴巴|阿里云数据湖3.0：数据价值归于“原点”】总体而言，因为脱胎自开源技术，数据湖的进入门槛很低，非常容易自建，但后期的成长很困难，运维压力也会逐渐增大，以阿里云为代表的的云原生数据湖，实际上给了企业一个极佳的选择，既能够快速通过数据价值的挖掘走向业务创新，也无需为数据的存、管、用绞尽脑汁。阿里云数据湖3.0面向业务驱动，让数据价值归于原点。