DataLake with Hadoop Ecosystem

   Hadoop是实现数据湖最常用的技术手段，目前是最理想的选择，Hadoop生态系统提供批处理、实时处理引擎，还提供海量数据存储能力，数据处理架构如下图： 目前常见的两种使用方式： 1） 第一种方式是将Hadoop作为ETL工具，并且数据备份或者冷数据存储其PB级别数据，在Hadoop中数据冗余而且较容易恢复，如下图所示： MapReduce及Spark Engine可以用来处理非结构化数据，

>>阅读原文<<