数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
Hadoop虽然存在这样那样的缺点，但是事实证明，它依然⾮常受欢迎，因为它确实解决了其他技术⽆法解决的问题。
那么如何解决Hadoop本⾝的缺陷呢，很简单，用户选择把Hadoop和数据仓库结合起来使⽤：
Hadoop以其⼤容量低成本的特性，保存最原始的数据，这部分数据⽐较全⾯，但是质量可能不是⾮ 常⾼。对于关键的数据，通过ETL处理后，导⼊到数据仓库中，提供更好的查询性能，提供更好的数 据质量，⽀撑企业内部的BI和报表需求。
看起来很美好，但是可以看出⼜回到了早期存在的问题，数据孤岛问题。往往同⼀份数据在Hadoop 和数据仓库中都有⼀份，除了造成数据冗余、成本浪费，还造成了数据产出⼝径不⼀致问题，应该以 哪个系统的数据为准有时候说不清楚；另外，这种数据架构带来了运维上的困难，⽐如Schema的变 更很容易导致ETL链路的各种问题，这些都严重影响了从数据到价值的转换效率。
数据湖技术
用户需要有这样⼀种系统，它既具备Hadoop的低成本⼤容量的优势，⼜具备数据仓库的ACID事务等能⼒。如果有⼀套技术⽅案能够⽀撑如上需求的话，那么就可以很⼤程度上解决Hadoop+Data Warehouse搭配使⽤带来的各种问题。
