datalaketyyppisiä

Datalaketyyppisiä tarkoittaa erilaisten datalake-arkkitehtuurien ja hallintamallien luokittelua. Datalake on suuria määriä dataa tallentava keskitetty varasto, joka voi sisältää struktuoitua, semi-strukturoituja ja jäsentämättömiä tietoformaatteja. Data tallennetaan usein alkuperäisessä muodossaan, jolloin analytiikka ja sovellukset voivat lukea ja käyttää dataa tarpeen mukaan.

Tyypillisiä datalaketyyppien luokittelun perusteita ovat elinkaaren hallinta, datan laatu sekä pääsynhallinta. Raw- eli landing-datalake säilyttää datan mahdollisimman vähän käsiteltävänä, muokkaus tapahtuu analyysivaiheessa. Curated tai refined datalake puolestaan sisältää puhdistettua, yhdistettyä ja dokumentoitua dataa, joka on helpompi käyttää suoraan liiketoiminta-analyyseissä. Governed-datalake korostaa vahvaa metatietomaailmaa, data-linagea, luokittelua ja pääsynhallintaa sekä laadunvalvontaa.

Lakehouse on kehys, jossa datalakkeen tallennustehokkuus yhdistyy datawarehouse-tyyppisiin ominaisuuksiin, kuten ACID-transaktioihin ja skeemanvalvontaan, mikä parantaa kyselykuntoa ja hallintaa. Federated tai hybrididatalake jakaa dataa useista lähteistä tai ympäristöistä, mutta tarjoaa yhtenäisen haun ja hallinnan. Toteutukset voivat olla pilvessä, paikallisessa ympäristössä tai näiden yhdistelmässä (hybridi).

Tärkeimpiä teknisiä teemoja ovat metatiedonhallinta ja data-katalogit, datalinage, datan laatu sekä turvallisuus ja pääsynhallinta, sekä kustannusten ja suorituskyvyn hallinta. Datalaketyyppien valinta heijastaa organisaation sääntelyvaatimuksia, analytiikkatarpeita ja kyvykkyyttä hallita monimutkaisia datasettejä eri lähteistä.