张 芸

（大港油田信息中心，天津 300280）

1 背 景

1.1 数据湖

随着大数据技术的发展，单一的数据形式不再满足人们对数据利用的需要，多种多样的数据以不同的形式存储起来，有数据表形式的结构化数据，有图像、视频等非结构化数据，还有具有时间规律和标签的时序数据。多种多样的数据形式，让结构化数据存储方式不再满足人们的需求，数据湖的概念开始兴起。

数据湖（Data Lake）这个术语由Pentaho 公司的创始人兼首席技术官詹姆斯·狄克逊（James Dixon）提出，他对数据湖的定义是，可以把所有的数据都放入数据湖中，应用数据时定义它的数据结构。也就是说，对于存储的数据，数据湖并不定义它的数据类型，这样数据湖就可以存储各种类型的数据，并且通过统一的存储，让不同的数据都有相同的存储方式，而在数据应用的时候定义其数据结构，让应用方便连接到数据湖上获取数据。

目前，在通用行业中的数据湖建设多和大数据平台Hadoop 结合，利用其开源、组件丰富、分布式存储、并行处理等特点，来实现数据湖定义中的存储多种类型的数据方式。

目前市面上常见的数据湖产品有微软的Azure Data Lake、IBM 的数据湖产品、灵雀云数据湖等相关产品。

1.2 石油勘探行业的数据湖建设

面对新的数据湖技术，结合石油勘探行业的数据特点和自身需求，石油勘探领域的数据湖建设正如火如荼展开。

2018 中国石油梦想云一期建设已完成，在二期的规划中将遵循“两统一、一通用”原则，上游信息总体架构由数据源、数据湖、基础底台与服务中台、应用前台和门户入口组成。……