AITerms 登入
資料處理AI基礎

資料湖(Data Lake)是什麼?

資料湖是一種大型集中式儲存庫,能以原始格式存放結構化、半結構化和非結構化的各式資料,提供高度彈性與可擴展性。

同主題的術語資料處理AI基礎

完整定義

資料湖(Data Lake)是一種集中式的資料儲存庫,允許以原始格式儲存大量結構化、半結構化和非結構化資料。與傳統資料倉儲不同,資料湖不要求在儲存前預先定義資料結構(Schema-on-Read),因此具有更高的靈活性和可擴展性,能夠容納來自各種來源(如物聯網設備、社群媒體、日誌文件)的原始數據。資料湖適用於探索性資料分析、機器學習模型訓練、即時分析和資料科學專案,為企業提供了更廣泛的數據分析潛力,但同時也需要良好的資料治理策略來維持數據品質和可管理性。

白話說明

你有沒有在你要把各種原始資料先收進同一個地方時,還在想這件事到底該怎麼看?

把它想成一個先存原料、之後再慢慢整理的大水庫。

它可以先接住結構化、半結構化和非結構化資料,後面再決定怎麼用。

對 AI 團隊來說,它很適合保留原始樣貌,方便後續重跑和探索。

記住這句

先收原料,整理可以晚一點。

比喻:資料湖就像一個巨大的水庫 -- 它能把各種形式的水(資料),不論是清澈的溪水(結構化資料)還是混濁的泥水(非結構化資料),都直接收集起來,等你之後需要時再從中提煉使用。

容易混淆

data-warehouse

vs 資料倉儲 (Data Warehouse):資料倉儲像經過濾和處理的瓶裝水,乾淨但只能存放特定格式的水;資料湖像未經處理的原始水庫,什麼水都能存,但要用時需要自己處理。

常見混淆:資料湖 vs data-warehouse

資料湖先存原始資料,資料倉儲先整理後分析。

實際案例

日誌彙整

網站、App、裝置 log 先全部存進去,之後再挑出要分析的部分。

多來源資料倉

客服、交易、感測器資料先匯入,再依需求做清理或轉換。

演算法與應用

1. 資料湖重點是保留原始資料,不先把格式固定死。

2. 沒有治理的資料湖很快會變成資料沼澤,所以目錄、權限和血緣都要做好。

3. 它適合探索和機器學習,但分析查詢通常還是要做整理。

情境判斷

Q1:如果你現在還不知道資料之後會怎麼用,先放哪裡比較彈性?

資料湖通常比較適合,因為它能先收原始資料。

Q2:資料湖是不是只要便宜就好?

不是,沒有治理的資料湖會讓資料難找、難懂,也難信任。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 4 題把資料湖列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本