Data lake
Een opslag waar ruwe data in de oorspronkelijke vorm wordt neergekieperd en pas structuur krijgt wanneer iemand haar leest.
James Dixon muntte de term in 2010 als tegenhanger van het datawarehouse: waar het warehouse eist dat data wordt getransformeerd en in een schema past voordat ze binnenkomt, accepteert het lake alles wat komt, zoals logs, JSON, afbeeldingen en Parquet-bestanden, en schuift de interpretatie door naar het moment van de query. De drager is in de praktijk altijd objectopslag, want dat is de goedkoopste plek voor petabytes die je misschien nooit leest.
Die flexibiliteit werd het verwijt. Zonder catalogus, eigenaarschap of kwaliteitseisen verandert het lake in wat Gartner een data swamp noemde: bestanden die niemand kan herleiden of waarvoor niemand wil instaan. Het antwoord van de industrie waren lakehouse-architecturen, die transactionele lagen als Delta Lake, Iceberg en Hudi boven op de bestanden zetten. Dat komt neer op het opnieuw opbouwen van een flink deel van wat het warehouse al garandeerde.