数据湖和数仓融合架构是当下大数据领域非常重要的议题之一，不仅各大云厂商先后提出了自己的技术方案，开源社区也有一些项目（包括 DeltaLake、Iceberg 和 Hudi）非常活跃。
我们得明确仓与湖的主要区别。仓里的数据，有明确的表、字段定义，表与表之间的关系清晰。湖里的数据，样式就多了，有结构化、半结构化（JSON、XML 等）、非结构化（图片、视频、音乐）。 数据入仓，我们要预先定义好 schema。 数据入湖，则没有这样的要求，只需要将原始数据写入指定存储即可（通常是对象存储），当真正需要使用的时候，我们再设法定义 schema，进行分析应用。显然，数据入湖比入仓要方便快捷。
云厂商的数据湖产品，通常积极推广他们的低成本云存储（S3、OSS 等），吸引用户将数据上云。一旦数据上云，进而吸引用户使用他们多年完善的大数据体系产品（计算引擎、依赖调度、质量管理、血缘管理、数据治理等），为用户提供数据开发、分析、应用的附加服务。其次，很多企业出于数据安全的考虑，并不愿意将自己的数据上云，一套兼容各类存储的仓湖融合方案，是云厂商对市场的迎合。
开源的几个数据产品 Delta Lake、Apache Ice