Data Lake vs Data Warehouse 차이
약 90초
개념 비교 + 사용 기준
Data Lake는 원시 데이터를 구조화 없이 저장하는 저장소이고, Data Warehouse는 분석 목적에 맞게 정제·구조화된 데이터를 보관합니다. Lake는 스키마 온 리드(schema-on-read) 방식이라 읽을 때 구조를 정의하고, Warehouse는 쓸 때 구조를 맞추는 스키마 온 라이트입니다. Data Lake는 어떤 분석에 쓰일지 모르는 로그나 이벤트 데이터를 저장할 때 적합하고, Warehouse는 정기 리포트나 BI 대시보드처럼 반복적이고 예측 가능한 쿼리에 최적화됩니다. 데이터 엔지니어링 수업 프로젝트에서 두 시스템을 연결하는 파이프라인을 설계하면서, 원시 데이터는 Lake에 보존하고 정제된 버전은 Warehouse로 보내는 구조가 가장 유연하다는 걸 배웠습니다.
이 결의 특징
스키마 온 리드와 스키마 온 라이트로 두 구조를 구분하고, 원시 데이터는 Lake에 정제된 버전은 Warehouse로 보내는 파이프라인을 설계한 흔적이 있습니다. 어떤 분석에 쓰일지 모르는 데이터와 반복 쿼리를 구분한 관점이 결을 만듭니다.
이 결이 통하는 자리
두 시스템을 연결하는 구조가 가장 유연하다는 결론이 구체적 설계 경험과 함께 이어질 때 통합니다. 개념 정의에 머물지 않는 자리가 보입니다.