{"id":55701,"date":"2020-01-26T00:00:00","date_gmt":"2020-01-25T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/nuzhno-li-nam-ozero-dannyh-a-chto-delat-s-hranilishhem-dannyh"},"modified":"2020-02-18T14:03:50","modified_gmt":"2020-02-18T11:03:50","slug":"nuzhno-li-nam-ozero-dannyh-a-chto-delat-s-hranilishhem-dannyh","status":"publish","type":"post","link":"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/nuzhno-li-nam-ozero-dannyh-a-chto-delat-s-hranilishhem-dannyh","title":{"rendered":"Abbiamo bisogno di un lago di dati? E cosa fare con il data warehouse?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p>Questo articolo \u00e8 la traduzione del mio articolo su Medium \u2014 <noindex><a rel=\"nofollow\" href=\"https:\/\/medium.com\/rock-your-data\/getting-started-with-data-lake-4bb13643f9\">Introduzione al Data Lake<\/a><\/noindex>, che si \u00e8 rivelato piuttosto popolare, probabilmente per la sua semplicit\u00e0. Perci\u00f2 ho deciso di scriverlo in russo e ampliare un po' il contenuto, in modo che una persona comune, che non \u00e8 esperta di gestione dei dati, capisca cosa sia un data warehouse (DW) e cosa sia un lago di dati (Data Lake), e come coesistano. <\/p>\n<p>Perch\u00e9 ho voluto scrivere riguardo al lago di dati? Lavoro con dati e analisi da oltre 10 anni, e attualmente lavoro con Big Data in Amazon Alexa AI a Cambridge, che si trova a Boston, anche se vivo a Victoria, nell'isola di Vancouver e visito spesso Boston, Seattle e Vancouver, e a volte parlo anche a conferenze a Mosca. Scrivo anche di tanto in tanto, ma principalmente in inglese, e ho gi\u00e0 scritto <noindex><a rel=\"nofollow\" href=\"https:\/\/www.amazon.com\/Dmitry-Anoshin\/e\/B01A5PVT2M\">alcuni libri<\/a><\/noindex>, inoltre ho la necessit\u00e0 di condividere le tendenze analitiche dal Nord America, e a volte scrivo su <noindex><a rel=\"nofollow\" href=\"https:\/\/t.me\/rockyourdata\">Telegram<\/a><\/noindex>.<\/p>\n<p>Ho sempre lavorato con data warehouse, e dal 2015 ho iniziato a lavorare intensamente con Amazon Web Services, e in generale mi sono orientato verso l'analisi basata sul cloud (AWS, Azure, GCP). Ho osservato l'evoluzione delle soluzioni analitiche dal 2007 e ho anche lavorato in un fornitore di data warehouse, Teradata, implementandolo in Sberbank, e quello \u00e8 stato il momento in cui \u00e8 emersa la Big Data con Hadoop. Tutti hanno cominciato a dire che l'era dei data warehouse era finita e che ora tutto era su Hadoop, e poi hanno cominciato a parlare di Data Lake, di nuovo dicendo che era giunto davvero il momento della fine per i data warehouse. Ma fortunatamente (forse per alcuni sfortunatamente, per coloro che guadagnavano molto a configurare Hadoop), il data warehouse non \u00e8 scomparso. <br \/>\n<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><br \/>\nIn questo articolo esamineremo cosa sia un lago di dati. L'articolo \u00e8 destinato a persone che hanno poca esperienza con i data warehouse o nessuna.<\/p>\n<p><img decoding=\"async\" alt=\"Abbiamo bisogno di un lago di dati? E cosa fare con il data warehouse?\" src=\"\/wp-content\/uploads\/2020\/01\/85b3eda809ce19fc33efb2fad4e93a41.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nNella foto c'\u00e8 il lago di Bled, \u00e8 uno dei miei laghi preferiti, anche se ci sono stato solo una volta, ma l'ho ricordato per tutta la vita. Ma parleremo di un altro tipo di lago \u2014 il lago di dati. Forse molti di voi avranno gi\u00e0 sentito questo termine pi\u00f9 di una volta, ma un'altra definizione non far\u00e0 male.<\/p>\n<p>Innanzitutto ecco le definizioni pi\u00f9 popolari di Lago di Dati:<\/p>\n<blockquote><p>\u00abun archivio di tutti i tipi di dati grezzi, disponibili per l'analisi da chiunque nell'organizzazione\u00bb \u2014 Martin Fowler.<\/p><\/blockquote>\n<blockquote><p>\u00abSe pensate che il lago dei dati sia una bottiglia d'acqua \u2014 purificata, imballata e confezionata per un uso comodo, allora il lago dei dati \u00e8 un grande serbatoio d'acqua nella sua forma naturale. Gli utenti possono prelevare acqua per se stessi, immergersi in profondit\u00e0, esplorare\u00bb \u2014 James Dickson. <\/p><\/blockquote>\n<p> Ora sappiamo con certezza che il lago dei dati riguarda l'analisi; consente di archiviare grandi volumi di dati nella loro forma originale e abbiamo un accesso comodo e necessario ai dati.<\/p>\n<p>Mi piace spesso semplificare le cose; se riesco a spiegare un termine complesso con parole semplici, significa che per me l'ho capito e so a cosa serve. Una volta, mentre navigavo nell'iPhone nella galleria fotografica, mi \u00e8 venuta in mente una cosa: questo \u00e8 proprio un vero lago di dati, tanto che ho anche creato una diapositiva per le conferenze.<\/p>\n<p><img decoding=\"async\" alt=\"Abbiamo bisogno di un lago di dati? E cosa fare con il data warehouse?\" src=\"\/wp-content\/uploads\/2020\/01\/1956ddf4091ca00f6d86c33a6780d495.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\n\u00c8 molto semplice. Scattiamo una foto con il telefono, la foto viene salvata sul telefono e pu\u00f2 essere archiviata su iCloud (spazio di archiviazione cloud). Inoltre, il telefono raccoglie i metadati della foto: cosa \u00e8 ritratto, geolocalizzazione, tempo. Di conseguenza, possiamo utilizzare l'interfaccia comoda dell'iPhone per trovare la nostra foto e possiamo anche vedere i parametri; ad esempio, quando cerco foto con la parola fuoco (fire), trovo 3 foto con l'immagine di un fal\u00f2. Per me \u00e8 proprio come uno strumento di Business Intelligence che funziona molto rapidamente e con precisione. <\/p>\n<p>E naturalmente, non possiamo dimenticare la sicurezza (autenticazione e autorizzazione), altrimenti i nostri dati possono facilmente diventare accessibili al pubblico. Ci sono molte notizie riguardo a grandi aziende e startup che hanno avuto dati esposti al pubblico a causa della negligenza degli sviluppatori e della mancata osservanza di semplici regole.<\/p>\n<p>Anche un'immagine cos\u00ec semplice ci aiuta a immaginare cos'\u00e8 un lago di dati, le sue differenze rispetto a un tradizionale magazzino di dati e i suoi principali elementi:<\/p>\n<ol>\n<li><b>Caricamento dati <\/b>(Ingestione) \u2014 componente chiave del lago dei dati. I dati possono entrare nel magazzino dati in due modi: batch (caricamento a intervalli) e streaming (flusso di dati).<\/li>\n<li><b>Archiviazione file<\/b> (Storage) \u2014 componente principale del Lago dei Dati. Abbiamo bisogno che il magazzino sia facilmente scalabile, estremamente affidabile e a basso costo. Ad esempio, in AWS \u00e8 S3.<\/li>\n<li><b>Catalogo e Ricerca<\/b> (Catalogo e Ricerca) \u2014 per evitare la Palude dei Dati (quando mettiamo tutti i dati in un unico posto, rendendo impossibile lavorarci), \u00e8 necessario creare uno strato di meta-dati per classificare i dati, in modo che gli utenti possano trovare facilmente le informazioni di cui hanno bisogno per l'analisi. Inoltre, \u00e8 possibile utilizzare soluzioni aggiuntive per la ricerca, come ElasticSearch. La ricerca aiuta l'utente a trovare i dati necessari attraverso un'interfaccia intuitiva.<\/li>\n<li><b>Elaborazione<\/b> (Processo) \u2014 questo passo \u00e8 responsabile dell'elaborazione e trasformazione dei dati. Possiamo trasformare i dati, modificare le loro strutture, pulirli e molto altro. <\/li>\n<li><b>Sicurezza<\/b> (Sicurezza) \u2014 \u00e8 importante dedicare tempo alla progettazione della sicurezza della soluzione. Ad esempio, la crittografia dei dati durante l'archiviazione, l'elaborazione e il caricamento. \u00c8 essenziale utilizzare metodi di autenticazione e autorizzazione. Infine, \u00e8 necessario uno strumento di audit.<\/li>\n<\/ol>\n<p>\nDal punto di vista pratico, possiamo caratterizzare il lago dei dati con tre attributi:<\/p>\n<ol>\n<li><b>Raccogli e archivia qualsiasi cosa<\/b> \u2014 il lago dei dati contiene tutti i dati, sia le informazioni grezze e non elaborate su qualsiasi periodo di tempo, sia i dati elaborati\/puliti.<\/li>\n<li><b>Analisi approfondita<\/b> \u2014 il lago dei dati consente agli utenti di esplorare e analizzare i dati.<\/li>\n<li><b>Accesso flessibile<\/b> \u2014 il lago dei dati offre un accesso flessibile a diversi dati e scenari.<\/li>\n<\/ol>\n<p>\nOra possiamo parlare della differenza tra un data warehouse e un lago di dati. Di solito, le persone chiedono:<\/p>\n<ul>\n<li>E il data warehouse?<\/li>\n<li>Sostituiamo il data warehouse con un lago di dati o lo espandiamo?<\/li>\n<li>Possiamo davvero fare a meno del lago di dati?<\/li>\n<\/ul>\n<p>\nIn breve, non esiste una risposta chiara. Dipende dalla situazione specifica, dalle competenze nel team e dal budget. Ad esempio, la migrazione di un data warehouse su Oracle in AWS e la creazione di un lago di dati da parte della sussidiaria di Amazon \u2014 Woot \u2014 <noindex><a rel=\"nofollow\" href=\"https:\/\/aws.amazon.com\/blogs\/big-data\/our-data-lake-story-how-woot-com-built-a-serverless-data-lake-on-aws\/\">La nostra storia sul lago di dati: come Woot.com ha costruito un lago di dati senza server su AWS<\/a><\/noindex>. <\/p>\n<p>D'altra parte, il fornitore Snowflake afferma che non \u00e8 pi\u00f9 necessario pensare a un lago di dati, poich\u00e9 la loro piattaforma dati (fino al 2020 era un data warehouse) consente di combinare lago di dati e data warehouse. Ho lavorato un po' con Snowflake, ed \u00e8 davvero un prodotto unico che pu\u00f2 fare cos\u00ec. Il costo della questione \u00e8 un'altra questione.<\/p>\n<p>In conclusione, la mia opinione personale \u00e8 che abbiamo ancora bisogno di un data warehouse come principale fonte di dati per il nostro reporting, mentre tutto ci\u00f2 che non vi rientra lo memorizziamo in un data lake. Il ruolo dell'analitica \u00e8 fornire un facile accesso alle informazioni per le decisioni aziendali. In effetti, gli utenti aziendali lavorano in modo pi\u00f9 efficiente con un data warehouse piuttosto che con un data lake; per esempio, in Amazon abbiamo Redshift (data warehouse analitico) e Redshift Spectrum\/Athena (interfaccia SQL per il data lake in S3 basata su Hive\/Presto). Lo stesso vale anche per altri moderni data warehouse analitici.<\/p>\n<p>Esaminiamo un'architettura tipica di un data warehouse:<\/p>\n<p><img decoding=\"async\" alt=\"Abbiamo bisogno di un lago di dati? E cosa fare con il data warehouse?\" src=\"\/wp-content\/uploads\/2020\/01\/a2015f7f5e28e8a671699682105e011e.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nQuesta \u00e8 una soluzione classica. Abbiamo dei sistemi sorgente, attraverso ETL\/ELT trasferiamo i dati nel data warehouse analitico e ci colleghiamo a una soluzione di Business Intelligence (il mio preferito \u00e8 Tableau, e il tuo?). <\/p>\n<p>Questa soluzione presenta i seguenti svantaggi:<\/p>\n<ul>\n<li>Le operazioni ETL\/ELT richiedono tempo e risorse.<\/li>\n<li>Di norma, la memoria per la memorizzazione dei dati in un data warehouse analitico non \u00e8 economica (ad esempio Redshift, BigQuery, Teradata), poich\u00e9 dobbiamo acquistare un intero cluster.<\/li>\n<li>Gli utenti aziendali hanno accesso a dati puliti e spesso aggregati, ma non possono ottenere i dati grezzi.<\/li>\n<\/ul>\n<p>\nCerto, tutto dipende dal tuo caso specifico. Se non hai problemi con il tuo data warehouse, non hai affatto bisogno di un data lake. Tuttavia, quando sorgono problemi di spazio, potenza o il costo diventa un fattore cruciale, allora potresti considerare un data lake. \u00c8 proprio per questo che il data lake \u00e8 molto popolare. Ecco un esempio di architettura di un data lake:<br \/>\n<img decoding=\"async\" alt=\"Abbiamo bisogno di un lago di dati? E cosa fare con il data warehouse?\" src=\"\/wp-content\/uploads\/2020\/01\/c952e2202a6ce2c8d7d91215aa5390cc.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\nUtilizzando l'approccio del data lake, carichiamo i dati grezzi nel nostro data lake (batch o streaming), e poi elaboriamo i dati secondo necessit\u00e0. Il data lake consente agli utenti aziendali di creare le proprie trasformazioni dei dati (ETL\/ELT) o analizzare i dati in soluzioni di Business Intelligence (se c'\u00e8 il driver necessario).<\/p>\n<blockquote><p>L'obiettivo di qualsiasi soluzione analitica \u00e8 servire gli utenti aziendali. Pertanto, dobbiamo sempre lavorare partendo dalle esigenze del business. (In Amazon, questo \u00e8 uno dei principi: lavorare all'indietro).<\/p><\/blockquote>\n<p> Lavorando sia con il data warehouse sia con il data lake, possiamo confrontare entrambe le soluzioni:<\/p>\n<p><img decoding=\"async\" alt=\"Abbiamo bisogno di un lago di dati? E cosa fare con il data warehouse?\" src=\"\/wp-content\/uploads\/2020\/01\/07b62ac9838438a0b28caf1b22b2dccd.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nLa conclusione principale che si pu\u00f2 trarre \u00e8 che il data warehouse non \u00e8 in competizione con il data lake, ma lo completa. Ma spetta a voi decidere cosa si adatta meglio al vostro caso. \u00c8 sempre interessante provare da soli e trarre le conclusioni giuste.<\/p>\n<p>Vorrei anche raccontare uno dei casi in cui ho iniziato a utilizzare l'approccio del data lake. Tutto \u00e8 abbastanza banale, ho cercato di utilizzare uno strumento ELT (avevamo Matillion ETL) e Amazon Redshift, la mia soluzione funzionava, ma non soddisfaceva i requisiti.<\/p>\n<p>Avevo bisogno di prendere i log web, trasformarli e aggregarli per fornire dati per 2 casi:<\/p>\n<ol>\n<li>Il team marketing voleva analizzare l'attivit\u00e0 dei bot per la SEO<\/li>\n<li>L'IT voleva monitorare le metriche delle prestazioni dei siti<\/li>\n<\/ol>\n<p>\nLog molto semplici, ecco un esempio:<\/p>\n<pre><code class=\"plaintext\">https 2018-07-02T22:23:00.186641Z app\/my-loadbalancer\/50dc6c495c0c9188 \n192.168.131.39:2817 10.0.0.1:80 0.086 0.048 0.037 200 200 0 57 \n\"GET https:\/\/www.example.com:443\/ HTTP\/1.1\" \"curl\/7.46.0\" ECDHE-RSA-AES128-GCM-SHA256 TLSv1.2 \narn:aws:elasticloadbalancing:us-east-2:123456789012:targetgroup\/my-targets\/73e2d6bc24d8a067\n\"Root=1-58337281-1d84f3d73c47ec4e58577259\" \"www.example.com\" \"arn:aws:acm:us-east-2:123456789012:certificate\/12345678-1234-1234-1234-123456789012\"\n1 2018-07-02T22:22:48.364000Z \"authenticate,forward\" \"-\" \"-\"<\/code><\/pre>\n<p>\nUn file pesava 1-4 megabyte.<\/p>\n<p>Ma c'era una difficolt\u00e0. Avevamo 7 domini in tutto il mondo e in un giorno venivano creati 7000 file. Non \u00e8 un volume eccessivo, solo 50 gigabyte. Ma anche la dimensione del nostro cluster Redshift era piuttosto piccola (4 nodi). Il caricamento tradizionale di un file richiedeva circa un minuto. Quindi, il problema non si risolveva in modo diretto. E questo \u00e8 stato il caso in cui ho deciso di utilizzare l'approccio del data lake. La soluzione appariva pi\u00f9 o meno cos\u00ec:<\/p>\n<p><img decoding=\"async\" alt=\"Abbiamo bisogno di un lago di dati? E cosa fare con il data warehouse?\" src=\"\/wp-content\/uploads\/2020\/01\/21ca33e82da56f83b3deab4c32eb2345.png\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nEra abbastanza semplice (voglio notare che il vantaggio di lavorare nel cloud \u00e8 la semplicit\u00e0). Ho utilizzato:<\/p>\n<ul>\n<li>AWS Elastic Map Reduce (Hadoop) come potenza di calcolo <\/li>\n<li>AWS S3 come archivio file con possibilit\u00e0 di crittografia dei dati e controllo degli accessi<\/li>\n<li>Spark come potenza di calcolo InMemory e PySpark per la logica e la trasformazione dei dati<\/li>\n<li>Parquet come risultato dell'elaborazione di Spark<\/li>\n<li>AWS Glue Crawler come raccoglitore di metadati sui nuovi dati e partizioni<\/li>\n<li>Redshift Spectrum come interfaccia SQL per il data lake per gli utenti esistenti di Redshift<\/li>\n<\/ul>\n<p>\nIl cluster EMR+Spark pi\u00f9 piccolo elaborava tutti i file in 30 minuti. Ci sono anche altri casi per AWS, in particolare molti relativi ad Alexa, dove ci sono moltissimi dati. <\/p>\n<p>Recentemente ho scoperto uno dei difetti del data lake: il GDPR. Il problema \u00e8 che quando un cliente chiede di cancellare i propri dati e questi sono in uno dei file, non possiamo utilizzare il Data Manipulation Language e l'operazione DELETE come facciamo con un database.<\/p>\n<p>Spero che l'articolo abbia chiarito la differenza tra data warehouse e data lake. Se ti \u00e8 piaciuto, posso tradurre altre mie articoli o quelli di professionisti che leggo. Posso anche parlare delle soluzioni con cui lavoro e della loro architettura.<br \/>\n<br \/>Fonte: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/post\/485180\/\">habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>\u042d\u0442\u043e \u0441\u0442\u0430\u0442\u044c\u044f \u043f\u0435\u0440\u0435\u0432\u043e\u0434 \u043c\u043e\u0435\u0439 \u0441\u0442\u0430\u0442\u044c\u0438 \u043d\u0430 medium \u2014 Getting Started with Data Lake, \u043a\u043e\u0442\u043e\u0440\u0430\u044f \u043e\u043a\u0430\u0437\u0430\u043b\u0430\u0441\u044c \u0434\u043e\u0432\u043e\u043b\u044c\u043d\u043e \u043f\u043e\u043f\u0443\u043b\u044f\u0440\u043d\u043e\u0439, \u043d\u0430\u0432\u0435\u0440\u043d\u043e\u0435 \u0438\u0437-\u0437\u0430 \u0441\u0432\u043e\u0435\u0439 \u043f\u0440\u043e\u0441\u0442\u043e\u0442\u044b. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u044f \u0440\u0435\u0448\u0438\u043b \u043d\u0430\u043f\u0438\u0441\u0430\u0442\u044c \u0435\u0435 \u043d\u0430 \u0440\u0443\u0441\u0441\u043a\u043e\u043c \u044f\u0437\u044b\u043a\u0435 \u0438 \u043d\u0435\u043c\u043d\u043e\u0433\u043e \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u044c, \u0447\u0442\u043e\u0431\u044b \u043f\u0440\u043e\u0441\u0442\u043e\u043c\u0443 \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u0443, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043d\u0435 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0441\u0442\u043e\u043c \u043f\u043e \u0440\u0430\u0431\u043e\u0442\u0435 \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u0441\u0442\u0430\u043b\u043e \u043f\u043e\u043d\u044f\u0442\u043d\u043e, \u0447\u0442\u043e \u0442\u0430\u043a\u043e\u0435 \u0445\u0440\u0430\u043d\u0438\u043b\u0438\u0449\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 (DW), \u0430 \u0447\u0442\u043e \u0442\u0430\u043a\u043e\u0435 \u043e\u0437\u0435\u0440\u043e \u0434\u0430\u043d\u043d\u044b\u0445 [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[688],"tags":[],"class_list":["post-55701","post","type-post","status-publish","format-standard","hentry","category-administrirovanie"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.1.1 - aioseo.com -->\n\t<meta name=\"description\" content=\"\u042d\u0442\u043e \u0441\u0442\u0430\u0442\u044c\u044f \u043f\u0435\u0440\u0435\u0432\u043e\u0434 \u043c\u043e\u0435\u0439 \u0441\u0442\u0430\u0442\u044c\u0438 \u043d\u0430 medium \u2014 Getting Started with Data Lake.\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/nuzhno-li-nam-ozero-dannyh-a-chto-delat-s-hranilishhem-dannyh\" \/>\n\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.1.1\" \/>\n\t\t<meta property=\"og:locale\" content=\"it_IT\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47\u041d\u0443\u0436\u043d\u043e \u043b\u0438 \u043d\u0430\u043c \u043e\u0437\u0435\u0440\u043e \u0434\u0430\u043d\u043d\u044b\u0445? \u0410 \u0447\u0442\u043e \u0434\u0435\u043b\u0430\u0442\u044c \u0441 \u0445\u0440\u0430\u043d\u0438\u043b\u0438\u0449\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0445? | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"\u042d\u0442\u043e \u0441\u0442\u0430\u0442\u044c\u044f \u043f\u0435\u0440\u0435\u0432\u043e\u0434 \u043c\u043e\u0435\u0439 \u0441\u0442\u0430\u0442\u044c\u0438 \u043d\u0430 medium \u2014 Getting Started with Data Lake.\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/nuzhno-li-nam-ozero-dannyh-a-chto-delat-s-hranilishhem-dannyh\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2020-01-25T21:00:00+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2020-02-18T11:03:50+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47Abbiamo davvero bisogno di un data lake? E cosa fare con un data warehouse? | ProHoster","description":"Questo articolo \u00e8 una traduzione del mio articolo su Medium: Getting Started with Data Lake.","canonical_url":"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/nuzhno-li-nam-ozero-dannyh-a-chto-delat-s-hranilishhem-dannyh","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"it_IT","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041d\u0443\u0436\u043d\u043e \u043b\u0438 \u043d\u0430\u043c \u043e\u0437\u0435\u0440\u043e \u0434\u0430\u043d\u043d\u044b\u0445? \u0410 \u0447\u0442\u043e \u0434\u0435\u043b\u0430\u0442\u044c \u0441 \u0445\u0440\u0430\u043d\u0438\u043b\u0438\u0449\u0435\u043c \u0434\u0430\u043d\u043d\u044b\u0445? | ProHoster","og:description":"\u042d\u0442\u043e \u0441\u0442\u0430\u0442\u044c\u044f \u043f\u0435\u0440\u0435\u0432\u043e\u0434 \u043c\u043e\u0435\u0439 \u0441\u0442\u0430\u0442\u044c\u0438 \u043d\u0430 medium \u2014 Getting Started with Data Lake.","og:url":"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/nuzhno-li-nam-ozero-dannyh-a-chto-delat-s-hranilishhem-dannyh","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2020-01-25T21:00:00+00:00","article:modified_time":"2020-02-18T11:03:50+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"55701","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":null,"breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 19:38:32","updated":"2022-09-27 20:27:01","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/posts\/55701","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/comments?post=55701"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/posts\/55701\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/media?parent=55701"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/categories?post=55701"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/tags?post=55701"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}