Table of Contents[Hūnā][Hōʻike]
Ke hopu nei nā ʻoihana i nā ʻikepili hou aʻe ma mua o ko lākou hilinaʻi nui ʻana iā ia e hoʻomaopopo i nā hoʻoholo ʻoihana koʻikoʻi, hoʻonui i nā makana huahana, a hāʻawi i ka lawelawe mea kūʻai aku ʻoi aku ka maikaʻi.
Me ka nui o ka ʻikepili i hana ʻia ma ka helu exponential, hāʻawi ke ao i nā pono he nui no ka hoʻoili ʻana i ka ʻikepili a me ka analytics, me ka scalability, hilinaʻi, a me ka loaʻa.
I loko o ke ao kaiaola, aia kekahi mau mea hana a me nā ʻenehana no ka hoʻoili ʻikepili a me ka ʻikepili. ʻO nā ʻano ʻelua o nā hale mālama ʻikepili nui i hoʻohana pinepine ʻia ʻo ia nā hale kūʻai ʻikepili a me nā loko data.
ʻOiai ʻaʻole ʻoluʻolu ka hoʻohana ʻana i ka loko data no ka mea ʻaʻole hiki iā ʻoe ke nīnau i ke kumu hoʻohālike a me ka ʻikepili i ka wā e pili ana, ʻo ka hoʻohana ʻana i kahi waihona ʻikepili no ka hoʻoheheʻe ʻana i ka ʻikepili he mea makehewa.
WʻO ke ʻano o ke ao hoʻolālā kā mākou e koho ai?
Pono anei mākou e noʻonoʻo i nā manaʻo hou aʻe no ka lakehouse data, a i ʻole e ʻoluʻolu mākou i nā kaohi o ka hale kūʻai a i ʻole nā palena o ka loko?
Hoʻohui ʻia kahi hale waihona waihona ʻikepili hou i kapa ʻia ʻo "data lakehouse" i ka hoʻololi ʻana o nā loko ʻikepili me ka hoʻokele ʻikepili o nā waihona ʻikepili.
He mea nui ka hoʻomaopopo ʻana i nā ʻano hana mālama ʻikepili nui no ke kūkulu ʻana i kahi pipeline mālama ʻikepili hilinaʻi no ka ʻike ʻoihana (BI), ka ʻikepili ʻikepili, a aʻo aʻo (ML), ma muli o nā koi o kāu hui.
Ma kēia pou, e nānā pono mākou i Data Warehouse, Data Lake, a me Data Lakehouse, me nā pōmaikaʻi, nā palena a me nā pono a me nā pono o lākou. E hoʻomaka kākou.
He aha ka Data Warehouse?
ʻO kahi waihona ʻikepili kahi waihona ʻikepili kikowaena i hoʻohana ʻia e kahi hui e paʻa i ka nui o nā ʻikepili mai nā kumu he nui. Hana ʻia kahi waihona ʻikepili ma ke ʻano he kumu hoʻokahi o ka hui o ka "ʻoiaʻiʻo ʻikepili" a he mea nui ia i ka hōʻike ʻana a me ka ʻikepili ʻoihana.
ʻO ka mea maʻamau, hoʻohui nā waihona ʻikepili i nā pūʻulu ʻikepili pili mai nā kumu like ʻole, e like me ka noi, ʻoihana, a me nā ʻikepili transactional, e mālama i ka ʻikepili mōʻaukala. Ma mua o ka hoʻouka ʻia ʻana i loko o ka ʻōnaehana waihona, hoʻololi ʻia ka ʻikepili a hoʻomaʻemaʻe ʻia i loko o nā waihona ʻikepili i hiki ke hoʻohana ʻia ma ke ʻano he kumu hoʻokahi o ka ʻoiaʻiʻo ʻikepili.
Ma muli o ko lākou hiki ke hāʻawi wikiwiki i nā ʻike ʻoihana mai nā wahi āpau o ka ʻoihana, hoʻopukapuka nā ʻoihana i nā hale waihona ʻikepili. Me ka hoʻohana ʻana i nā hāmeʻa BI, nā mea kūʻai aku SQL, a me nā mea hoʻonā ʻikepili ʻē aʻe (ʻo ia hoʻi, ʻepekema ʻike ʻole). nā kānaka kālailai pāʻoihana, hiki i nā mea ʻenekinia ʻikepili, a me nā mea hoʻoholo i ka ʻikepili mai nā hale waihona ʻikepili.
He pipiʻi ka mālama ʻana i kahi hale kūʻai me ka piʻi nui ʻana o ka ʻikepili, a ʻaʻole hiki i kahi waihona ʻikepili ke mālama i ka ʻikepili maka a i ʻole i kūkulu ʻia. Eia kekahi, ʻaʻole ia ke koho kūpono no nā ʻenehana loiloi ʻikepili maʻalahi e like me ke aʻo ʻana i ka mīkini a i ʻole ka hoʻohālike wānana.
No laila, hāʻawi kahi waihona ʻikepili i nā pane nīnau wikiwiki a me ka ʻikepili o kahi kūlana kiʻekiʻe. ʻO Google Big Query, Amazon Redshift, Azure SQL Data warehouse, a me Snowflake he mau lawelawe ao i loaʻa no nā hale kūʻai ʻikepili.
Nā Pōmaikaʻi o ka Hale Waihona ʻIkepili
- Hoʻonui i ka pono a me ka wikiwiki o ka naʻauao ʻoihana a me nā haʻawina ʻikepili: Hoʻopōkole nā hale waihona ʻikepili i ka manawa e pono ai no ka hoʻomākaukau ʻana a me ka nānā ʻana. Hiki iā lākou ke hoʻopili maʻalahi i ka ʻikepili ʻikepili a me nā mea hana naʻauao ʻoihana ʻoiai ʻo ka ʻikepili mai ka hale waihona ʻikepili i hilinaʻi a kūpaʻa. Hoʻohui hou, mālama nā hale kūʻai ʻikepili i ka manawa e pono ai no ka hōʻiliʻili ʻikepili a hāʻawi i nā hui i ka hiki ke hoʻohana i ka ʻikepili no nā hōʻike, dashboards, a me nā koi ʻē aʻe.
- Hoʻonui i ka paʻa, ka maikaʻi, a me ka hoʻohālikelike ʻana i ka ʻikepili: E hōʻiliʻili nā hui i ka ʻikepili mai nā kumu like ʻole, me ka mea hoʻohana, ke kūʻai aku, a me ka ʻikepili transactional. Hiki i ka paʻa ke hilinaʻi i ka ʻikepili no nā koi ʻoihana no ka mea e hōʻuluʻulu ʻia ka ʻikepili warehousing i ka ʻikepili hui i loko o kahi ʻano like ʻole, maʻamau i hiki ke hana ma ke ʻano he kumu hoʻokahi o ka ʻoiaʻiʻo ʻikepili.
- Hoʻonui i ka hoʻoholo ʻana ma ka laulā: Mālama ka waihona ʻikepili i ka hoʻoholo maikaʻi ʻana ma o ka hāʻawi ʻana i kahi hale kūʻai kikowaena no nā ʻikepili hou a me nā ʻikepili kahiko. Ma ka hoʻoili ʻana i ka ʻikepili i loko o nā waihona ʻikepili no ka ʻike pololei, hiki i nā mea hoʻoholo ke loiloi i nā pilikia, hoʻomaopopo i ka makemake o ka mea kūʻai aku, a hoʻonui i nā waiwai a me nā lawelawe.
- Hāʻawi i ka ʻike ʻoihana ʻoi aku ka maikaʻi: Hoʻopili ka waihona ʻikepili i ka ʻokoʻa ma waena o ka ʻikepili maka nui, i hōʻiliʻili pinepine ʻia e like me ke ʻano o ka papa, a me ka ʻikepili curated e hāʻawi i nā ʻike. Hana lākou i kumu no ka mālama ʻana i ka ʻikepili o kahi hui, hiki iā ia ke pane i nā nīnau paʻakikī e pili ana i kāna ʻikepili a hoʻohana i nā pane e hana i nā hoʻoholo pāʻoihana palekana.
Ka palena o ka Waihona ʻIkepili
- ʻAʻole hiki ke hoʻololi i ka ʻikepili: ʻOiai ʻoi aku ka maikaʻi o nā hale kūʻai ʻikepili i ka mālama ʻana i ka ʻikepili i kūkulu ʻia, hiki ke paʻakikī nā ʻikepili semi-structured a i hoʻonohonoho ʻole ʻia e like me log analytics, streaming, a me ka ʻikepili media. Hana kēia i ka paipai ʻana i nā hale kūʻai ʻikepili no ka hoʻohana ʻana i nā hihia e pili ana i ka aʻo ʻana i ka mīkini a ʻimi hoʻopunipuni manao Hana paʻakikī.
- ʻO ke kumukūʻai e hoʻouka a mālama: Hiki ke pipiʻi nā hale kūʻai ʻikepili e hoʻokomo a mālama. Eia kekahi, ʻaʻole paʻa pinepine ka waihona ʻikepili; ʻelemakule a pono e mālama pinepine ʻia, he pipiʻi.
Pros
- He maʻalahi ka ʻikepili e ʻimi, kiʻi, a me ka nīnau.
- ʻOiai ua maʻemaʻe ka ʻikepili, maʻalahi ka hoʻomākaukau ʻana i ka ʻikepili SQL.
Con
- Pono ʻoe e hoʻohana i hoʻokahi wale nō mea kūʻai analytics.
- ʻO ka nānā ʻana a me ka mālama ʻana i ka ʻikepili i hoʻonohonoho ʻole ʻia a i ʻole ke kahe ʻana he mea kūʻai nui.
He aha ka Lake Data?
Hoʻohiki ʻia kēlā me kēia ʻano ʻikepili a hiki ke hana ʻia e nā loko data. He mea maikaʻi ka loaʻa ʻana o ka ʻikepili ma ke ʻano hiki ke loaʻa i ke kikowaena a loaʻa no ka heluhelu ʻana.
ʻO ka loko ʻikepili kahi kikowaena kikowaena a hiki ke hoʻololi ʻia kahi e mālama ʻia ai ka nui o nā ʻikepili i hoʻonohonoho ʻia a i hoʻonohonoho ʻole ʻia i loko o kā lākou mau ʻano i hoʻoponopono ʻole ʻia, hoʻololi ʻole ʻia.
Hoʻohana ka loko data i kahi hoʻolālā pālahalaha a me nā mea i mālama ʻia i loko o kāna kūlana i hana ʻole ʻia e mālama i ka ʻikepili, e kūʻē i nā hale kūʻai ʻikepili, kahi e mālama ai i ka ʻikepili pili i "hoʻomaʻemaʻe ʻia."
ʻO nā loko ʻikepili, e kūʻē i nā hale kūʻai ʻikepili, i paʻakikī i ka mālama ʻana i ka ʻikepili i kēia ʻano, hiki ke hoʻololi, hilinaʻi, a hiki i nā ʻoihana ke loaʻa ka ʻike i hoʻonui ʻia mai ka ʻikepili i kūkulu ʻole ʻia.
I loko o nā loko ʻikepili, lawe ʻia ka ʻikepili, hoʻouka ʻia, a hoʻololi ʻia (ELT) no nā kumu analytical ma mua o ka hoʻokumu ʻana i ka schema a i ʻole ka ʻikepili i ka manawa o ka hōʻiliʻili ʻikepili.
Ke hoʻohana nei i nā ʻenehana no nā ʻano ʻikepili he nui mai nā polokalamu IoT, nohona Media,, a me ka hoʻoheheʻe ʻana i ka ʻikepili, hiki i nā loko ʻikepili ke aʻo i ka mīkini a me ka ʻikepili wānana.
Eia hou, hiki i ka ʻepekema ʻikepili hiki ke hoʻoponopono i ka ʻikepili maka ke hoʻohana i ka loko data. ʻO kahi waihona ʻikepili, ma kekahi ʻaoʻao, ʻoi aku ka maʻalahi o nā ʻoihana e hoʻohana. He kūpono ia no ka hoʻopili ʻana i nā mea hoʻohana, nā hōʻuluʻulu manaʻo, aʻo mīkini, a me nā hana ʻē aʻe.
ʻOiai e hoʻoponopono nā loko ʻikepili i nā pilikia me nā hale kūʻai ʻikepili, maikaʻi ʻole ka maikaʻi o kā lākou ʻikepili a ʻaʻole lawa ka wikiwiki o kā lākou nīnau. Hoʻohui, pono ia i nā mea hana hou no nā mea hoʻohana ʻoihana e hana i nā nīnau SQL. Hiki ke loaʻa i kahi loko ʻikepili i hoʻonohonoho maikaʻi ʻole ʻia i kahi pilikia me ka stagnation ʻikepili.
Pōmaikaʻi o Data Lake
- Kākoʻo no ka nui o ka mīkini aʻo a me ka ʻike noiʻi noiʻi hihia ʻOi aku ka maʻalahi o ka hoʻohana ʻana i kahi mīkini ʻokoʻa a me nā algorithm aʻo hohonu e mālama i ka ʻikepili i loko o nā loko ʻikepili mai ka mālama ʻia ʻana o ka ʻikepili ma ke ʻano ākea.
- ʻO ka versatility o nā loko ʻikepili, ka mea e hiki ai iā ʻoe ke mālama i ka ʻikepili ma kekahi ʻano a i ʻole ka media me ka ʻole o ke koi ʻana no kahi schema preset, he mea maikaʻi loa. Hiki ke kākoʻo ʻia nā hihia hoʻohana ʻikepili i ka wā e hiki mai ana, a hiki ke nānā ʻia nā ʻikepili hou aʻe inā waiho ʻia ka ʻikepili i kona kūlana mua.
- I mea e pale ʻole ai i ka mālama ʻana i nā ʻano ʻikepili ʻelua i loko o nā pōʻaiapili like ʻole, hiki i nā loko ʻikepili ke loaʻa i nā ʻikepili i kūkulu ʻia a i hoʻonohonoho ʻole ʻia. No ka mālama ʻana i nā ʻano ʻikepili hoʻonohonoho like ʻole, hāʻawi lākou i kahi wahi hoʻokahi.
- Ke hoʻohālikelike ʻia me nā hale kūʻai ʻikepili maʻamau, ʻoi aku ka liʻiliʻi o nā loko ʻikepili no ka mea ua kūkulu ʻia lākou e mālama ʻia ma nā lako waiwai kūʻai maʻalahi, e like me ka waiho ʻana o nā mea, i hoʻonohonoho pinepine ʻia no kahi kumukūʻai haʻahaʻa no kēlā me kēia gigabyte i mālama ʻia.
Ka palena o Data Lake
- ʻAʻole i hoʻonohonoho pono ʻia nā loko ʻikepili inā ʻaʻole mālama pono ʻia, a he mea paʻakikī ke hoʻopili iā lākou i ka ʻoihana ʻoihana a me nā mea hana loiloi. Eia hou, i ka wā e pono ai no ka hōʻike ʻana a me ka hoʻohana ʻana i nā hihia hoʻohana, ka nele o ka paʻa nā kūkulu ʻikepili a me ACID (atomicity, consistency, isolation, and durability) hiki ke alakaʻi i ka hana noiʻi suboptimal.
- ʻAʻole hiki ke hoʻokō i ka hilinaʻi a me ka palekana o ka ʻikepili ʻikepili, kahi i nele ai nā mea ʻelua. He mea paʻakikī paha ka hoʻomohala ʻana i ka palekana ʻikepili kūpono a me nā kūlana hoʻomalu no ka mālama ʻana i nā ʻano ʻikepili koʻikoʻi, no ka mea hiki i nā loko ʻikepili ke mālama i kekahi ʻano ʻikepili.
Pros
- ʻO nā haʻina kūpono no nā ʻano ʻikepili āpau.
- Hiki iā ia ke mālama i ka ʻikepili i hoʻonohonoho ʻia a semi-structured.
- Kūpono no ka hoʻoili ʻikepili paʻakikī a me ke kahe ʻana.
Con
- Pono e kūkulu ʻia kahi paipu maʻalahi.
- Hāʻawi i ka ʻikepili i kahi manawa e hiki ai ke nīnau.
- Lawe ʻia ka manawa e hōʻoiaʻiʻo i ka hilinaʻi ʻikepili a me ka maikaʻi.
He aha ka Data Lakehouse?
Hoʻohui ʻia kahi hale waihona waihona waiwai nui i kapa ʻia ʻo "data lakehouse" i nā mea nui loa o nā loko ʻikepili a me nā waihona ʻikepili. Hiki ke mālama ʻia kāu ʻikepili āpau, inā paha i kūkulu ʻia, semi-structured, a i ʻole i hoʻonohonoho ʻia, ma kahi hoʻokahi me ka ʻike mīkini maikaʻi loa, naʻauao pāʻoihana, a me nā hiki ke hoʻoheheʻe ʻia ma muli o kahi lakehouse data.
ʻO nā lokoʻikepili o nāʻano a pau ka manawa e hoʻomaka ai no nā lakehouses data; ma hope o ia mea, ua hoʻololi ʻia ka ʻikepili i loko o ke ʻano ʻo Delta Lake (kahi waihona waihona waihona e lawe mai i ka hilinaʻi i nā loko ʻikepili).
Hiki i nā loko ʻikepili me nā loko delta ke hiki i nā kaʻina hana kālepa ACID mai nā hale waihona ʻikepili maʻamau. ʻO ke kumu, ke hoʻohana nei ka ʻōnaehana lakehouse i kahi mālama kūʻai ʻole no ka mālama ʻana i ka nui o nā ʻikepili i ko lākou ʻano kumu, e like me nā loko data.
ʻO ka hoʻohui ʻana i ka papa metadata ma luna o ka hale kūʻai e hāʻawi pū i ka hoʻolālā ʻikepili a hoʻoikaika i nā mea hana hoʻokele data e like me nā mea i loaʻa i loko o nā hale kūʻai ʻikepili.
ʻO kēia ka mea e hiki ai i nā hui he nui ke komo i nā ʻikepili āpau o ka hui ma o kahi ʻōnaehana hoʻokahi no nā ʻano hana like ʻole, e like me ka ʻepekema data, ke aʻo ʻana i ka mīkini, a me ka ʻike ʻoihana.
Nā Pōmaikaʻi o Data Lakehouse
- Kākoʻo no kahi ʻano nui o nā haʻahaʻa hana: No ka hoʻomaʻamaʻa ʻana i nā loiloi paʻakikī, hāʻawi nā lakehouses data i nā mea hoʻohana i ke ala pololei i kekahi o nā mea hana akamai ʻoihana kaulana loa (Tableau, PowerBI). Eia hou, hiki i nā ʻepekema ʻikepili a me nā ʻenekini aʻo mīkini ke hoʻohana maʻalahi i ka ʻikepili mai ka hoʻohana ʻana o nā lakehouses data i nā format open-data (e like me Parquet) me nā API a me nā papa hana aʻo mīkini, e like me Python/R.
- Uku-kumu: Hoʻohana nā lakehouses ʻikepili i nā hāʻina kūʻai mea kūʻai maʻalahi no ka hoʻokō ʻana i nā hiʻohiʻona o ka mālama ʻana i nā loko ʻikepili. Ma ka hāʻawi ʻana i kahi hoʻonā hoʻokahi, hoʻopau pū ʻia nā lakehouses data i nā lilo a me ka manawa e pili ana i ka mālama ʻana i nā ʻōnaehana mālama ʻikepili.
- ʻO ka hoʻolālā lakehouse ʻikepili e hōʻoia i ka schema a me ka pololei o ka ʻikepili, e maʻalahi ai ke kūkulu ʻana i ka palekana ʻikepili kūpono a me nā ʻōnaehana hoʻokele. Maalahi o hoʻololi ʻikepili, aupuni, a me ka maluhia.
- Hāʻawi nā Lakehouses Data i hoʻokahi, multipurpose data storage platform e hiki ke hoʻokō i nā koi ʻikepili āpau o ka ʻoihana, e hōʻemi ana i ka hoʻololi ʻana i ka ʻikepili. ʻO ka hapa nui o nā ʻoihana e koho i kahi hopena hybrid ma muli o nā pōmaikaʻi o ka waihona ʻikepili a me ka loko data. ʻO kēia hoʻolālā, ʻoiai, hiki ke hopena i ka hoʻopiʻi ʻana i ka ʻikepili nui.
- ʻO ke kākoʻo o nā puka hāmama. ʻO nā ʻano puka wehe nā ʻano faila i hiki ke hoʻohana ʻia e nā polokalamu polokalamu he nui a ʻike ʻia nā kikoʻī. Wahi a nā hōʻike, hiki i nā Lakehouses ke mālama i ka ʻikepili i nā ʻano faila maʻamau e like me Apache Parquet a me ORC (Optimized Row Columnar).
Nā palena o Data Lakehouse
ʻO ka drawback nui loa o kahi data lakehouse ʻo ia ka mea ʻōpiopio a hoʻomohala ʻenehana. ʻAʻole maopopo inā e hoʻokō ʻo ia i kāna mau hoʻohiki ma muli o ka hopena. Ma mua o ka hoʻokūkū ʻana o nā lakehouses me nā ʻōnaehana mālama ʻikepili nui, hiki ke lawe i nā makahiki.
Eia nō naʻe, ma muli o ka nui o ka hana hou ʻana o kēia wā, paʻakikī ke ʻōlelo inā ʻaʻole e hoʻololi ka ʻōnaehana mālama ʻikepili ʻē aʻe.
Pros
- Loaʻa i hoʻokahi kahua nā ʻikepili āpau, ʻo ia hoʻi he liʻiliʻi nā hostname e mālama.
- ʻAʻole i hoʻopilikia ʻia ka Atomicity, kūlike, kaʻawale, a me ka paʻakikī.
- ʻOi aku ke kumukūʻai.
- Loaʻa i hoʻokahi kahua nā ʻikepili āpau, ʻo ia hoʻi he liʻiliʻi nā hostname e mālama.
- Maʻalahi e hoʻokele, a wikiwiki hoʻi e hoʻoponopono i nā pilikia
- E maʻalahi ka hana ʻana i kahi paipu
Con
- He manawa lōʻihi paha ka hoʻonohonoho ʻana.
- He ʻōpiopio loa a mamao loa e hiki ke koho ʻia ma ke ʻano he ʻōnaehana mālama paʻa.
Hale Waihona ʻIkepili Vs ʻIkepili Lake Vs ʻIkepili Lakehouse
He mōʻaukala lōʻihi ka hale waihona ʻikepili i ka ʻike ʻoihana, ka hōʻike ʻana, a me nā noi noiʻi a ʻo ia ka ʻenehana mālama ʻikepili nui mua.
ʻO nā hale kūʻai ʻikepili, ma ka ʻaoʻao ʻē aʻe, he kumukūʻai a pilikia ka lawelawe ʻana i nā ʻikepili like ʻole a i hoʻonohonoho ʻole ʻia, e like me ke kahe ʻana i ka ʻikepili. No ke aʻo ʻana i nā mīkini a me nā haʻawina ʻepekema data, ua hoʻomohala ʻia nā loko ʻikepili e hoʻokele i ka ʻikepili maka ma nā ʻano like ʻole ma ka waihona kūpono.
ʻOiai ʻoi aku ka maikaʻi o nā loko ʻikepili me nā ʻikepili i hoʻonohonoho ʻole ʻia, nele lākou i ka mana ACID transactional o nā hale waihona ʻikepili, e paʻakikī ana e hōʻoia i ka kūlike a me ka hilinaʻi.
ʻO ka hale waihona waihona ʻikepili hou loa, i kapa ʻia ʻo "data lakehouse," hoʻohui i ka hilinaʻi a me ka paʻa ʻana o nā hale waihona ʻikepili me ka hiki a me ka hoʻololi ʻana o nā loko data.
Panina
I ka hopena, paʻakikī paha ke kūkulu ʻana i kahi hale waihona waiwai mai ka wā ʻōpala. Eia kekahi, ʻaneʻane ʻoe e hoʻohana i kahi kahua i hoʻolālā ʻia e hiki ai i ka wehe ʻana i ka ʻikepili lakehouse architecture.
No laila, e makaʻala i ka noiʻi ʻana i nā hiʻohiʻona he nui a me nā hoʻokō o kēlā me kēia kahua ma mua o ke kūʻai ʻana. ʻO nā ʻoihana e ʻimi nei i kahi hoʻonā ʻikepili makua a hoʻonohonoho ʻia me ka nānā ʻana i ka naʻauao ʻoihana a me ka hoʻohana ʻana i ka ʻikepili i nā hihia hiki ke noʻonoʻo i kahi waihona ʻikepili.
Eia nō naʻe, ʻo nā ʻoihana e ʻimi nei i kahi hoʻonā ʻikepili nui hiki ke hoʻonui ʻia i ka hana mana no ka ʻepekema ʻikepili a me ka aʻo ʻana i ka mīkini ma nā ʻikepili i kūkulu ʻole ʻia e noʻonoʻo i nā loko data.
E noʻonoʻo e pono i kāu ʻoihana i nā ʻikepili hou aʻe ma mua o ka waihona ʻikepili a me nā ʻenehana data lake hiki ke hāʻawi, a i ʻole ʻoe e ʻimi nei i kahi hoʻonā e hoʻohui i nā ʻikepili a me nā hana aʻo mīkini ma kāu ʻikepili. A lakehouse ʻikepili he koho kūpono i ke kūlana.
Waiho i ka Reply