即使在查阅了很多资源后，我仍然无法理解湖屋的构成，因此我的问题如下。
如果我们有 Azure Gen 2 存储、ADF 和 Azure Databricks，并且可以将传入的 CSV 文件转换为 Delta 表，那么这可以称为“Lakehouse”架构还是称为“Delta Lake”？
还是 Delta Lake 层之上的“SQL 分析”引擎使其成为“Lakehouse”？
请澄清。
【问题讨论】：
标签： databricks azure-databricks
在高层次上，Lakehouse 必须包含以下属性：
Databricks 是第一个 Lakehouse，因为它符合上述三个属性。具体来说，如果您将 Databricks 与 ADLS 一起使用，并将所有数据（json、csv、parquet、消息等）转换为 Databricks 中可用的 Delta 表。然后就是建造 Lakehouse，但它仍然需要建造和支持。 Databricks 平台允许我们满足上面的第 2 点和第 3 点，而 Delta Lake 满足 1 和 3（性能依赖于引擎和存储，这就是为什么 3 被两次提及的原因）。
利用 Databricks 和访问存储在 Delta 中的数据是一个 Lakehouse。通过添加 Databricks SQL（以前称为 SQL Analytics），我们允许更多用户访问和使用 Lakehouse。在 Databricks 中，SQL 用户使用与 Databricks 中的数据工程师相同的计算和数据，只是他们熟悉的 UI 不同。此外，Databricks SQL 针对 SQL 和 BI 工作负载进行了优化，而笔记本环境更适合工程和数据科学
作为有趣的阅读，您应该查看我们的Lakehouse whitepaper。
【讨论】：