Leserfrage: Was sind »Data Lakes« und welchen Zweck erfüllen sie?

Antwort Doc Storage:

Der Ausdruck Data-Lake wird James Dixon zugeschrieben, dem Chef der Firma Pentaho. Er umschreibt ihn so: »Stellen Sie sich einen Datenspeicher als einen Stapel aus Kisten mit Mineralwasser vor – gereinigt und zum einfachen strukturierten Verbrauch verpackt. Im Gegensatz dazu ist ein Data-Lake ein großer See aus Wasser in seiner natürlicheren Form. Die Inhalte des Data-Lakes strömen aus einer oder mehreren Quellen in diesen See, und verschiedene Nutzer können sich seinen Inhalt anschauen, in ihn eintauchen oder Proben entnehmen.«

In der Praxis bedeutet dies, dass ein Data Lake einen riesigen, einfach zu erreichenden Speicher aus preiswerten Komponenten darstellt, in dem ungeordnete Datenmenge beliebiger Größe (also Big Data) gespeichert werden können. Im Gegensatz zu bisherigen, eher analytischen Lösungen in diesem Segment, die lediglich einige Attribute der Informationen zusammenfassen und die eigentlichen Daten in nachgeschalteten Speichern halten, ist ein Data-Lake dazu vorgesehen, sämtliche Informationen auf derselben Ebene zu speichern. Dies kann man beispielsweise deshalb tun, weil man die eigentliche Verwendung oder die Art der Auswertung der Daten noch nicht oder noch nicht vollständig kennt und deshalb eine Ordnung noch nicht vornehmen kann.

Im Ende ist ein Data Lake also die Gesamtheit aller in einem Zusammenhang verfügbaren Daten, bevor sie durch Prozesse oder Auswahlkriterien in irgendeine weiter nutzbare Ordnung gebracht wurden. Unter dieser Prämisse sind Data Lakes einfacher aufzubauen, müssen keine oder kaum Ansprüche an Leistungsfähigkeit erfüllen und sind damit wesentlich preiswerter als herkömmliche, bereits spezialisierte und leistungsfähige Big-Data-Installationen.

Gruß
Doc Storage