DataLake with Hadoop Ecosystem

   Hadoop是實現數據湖最常用的技術手段，目前是最理想的選擇，Hadoop生態系統提供批處理、實時處理引擎，還提供海量數據存儲能力，數據處理架構如下圖： 目前常見的兩種使用方式： 1） 第一種方式是將Hadoop作爲ETL工具，並且數據備份或者冷數據存儲其PB級別數據，在Hadoop中數據冗餘而且較容易恢復，如下圖所示： MapReduce及Spark Engine可以用來處理非結構化數據，

>>阅读原文<<