面試大數據項目，面試過程中發現面試官提到的兩個概念沒有搞清楚：
1. lamba數據架構；這個概念的提出是由storm的作者提出來的，其實主旨就是想要說明，數據的處理分成三層，一類是批處理程序（batch laryer，非實時），比如午夜跑出來的報表，可以供第二天進行消費；第二類是實時增量處理數據（speed layer），比如通過kafka等流計算工具進行的實時增量處理；第三層就是service layer，是對外提供服務的層，既可以訪問batch layer或者realtime layer，還可以整合兩者數據然后對外提供服務。
2. 數據湖，數據湖其實是一個很模糊的概念，籠統的來理解就是可以集成各個源的數據；數據湖最大價值其實是中轉站，這個概念其實是和數據水庫很像（水庫，就是用於臨時蓄水），數據水庫的價值在於收集各個源的數據后，給后端的數據倉庫使用；數據湖的概念比數據水庫又多了一個：數據水庫的消費者可能會比較多，不僅僅是數據倉庫，可能是其他的目的地。
數據湖最大的誤區在於兩個：
第一個是數據湖用於存儲數據；數據如果只是為了存儲而存儲是最大的資源浪費，數據的存在一定是為了利用和消費；所謂消費就是一定是有某種機制可以不斷的讓數據湖中的數據減少；當然數據湖還會不斷被注入新的湖水；
第二個就是將自助式查詢服務暴露給普通的用戶；因為數據湖里面的數據都是原始數據，如果讓缺乏數據經驗的人來進行處理很可能會導致服務器壓力；最好讓數據科學家的數據專家來使用數據湖里面的數據。
參考：
數據系統架構——Lambda architecture
https://yq.aliyun.com/articles/57876?spm=a2c4e.11155435.0.0.58375483oWJayU
數據湖只是個嘩眾取寵的偽概念嗎？
http://www.infoq.com/cn/articles/is-the-data-lake-just-a-grandstanding-concept