上面這張圖就涵蓋了亞馬遜云科技所說的智能湖倉的全部內容，說它簡單是因為看起來很簡單，顧名思義，它包括數據倉庫和數據湖，說它復雜，因為它包含的東西不只是數據倉庫和數據湖。
首先要知道，亞馬遜云科技所說的智能湖倉不是一個具體的技術，它是一系列技術產品組合在一起的技術架構，大體上包括三部分：
第一部分，主要指的是數據存儲系統(tǒng)。這里主要指的是大名鼎鼎的，能存放各種類型、各種規(guī)模數據的Amazon S3對象存儲。配套的還有數據預處理的配套工具Amazon Glue，還有快速構建數據湖的工具Amazon Lake Formation。
第二部分，利用數據、消費數據的各種服務。比如有用于大數據分析的Amazon EMR，用于日志分析的Amazon ElasticSearch，用于商業(yè)智能的專業(yè)工具Amazon QuickInsight，用于實時分析的Amazon Kinesis Data，以及作為機器學習的專業(yè)工具的Amazon SageMaker等。
第三部分指的是用于收集和遷移數據的各種方案，指的是能把數據從各種環(huán)境（包括有網環(huán)境、沒網環(huán)境以及網絡環(huán)境不大好的地方），從各種數據源頭（各種關系型和菲關系型數據庫，數據流）匯聚到數據湖里的各種工具。
上文提到顧凡的介紹讓我聯想到了數據與水的相似之處，最直接的聯想來自這樣一張圖。
圖的中間是數據湖，它是存放數據的地方，除了有S3對象存儲，還有可直接對數據進行交互式查詢的Amazon Athena。
以中間部分的數據湖為中心，外圍有六大數據服務，包括：關系型數據庫Amazon Aurora，非關系型數據庫Amazon DynamoDB，機器學習服務Amazon SageMaker，數據倉庫Amazon Redshift，日志服務Amazon Elasticsearch，大數據服務Amazon EMR。
數據能在外圍流轉，也都能與中間部分的數據湖進行數據交換，相互之間是貫通的。如同許多生態(tài)系統(tǒng)中，動植物相互間有直接或者間接的關聯，以某種形式相互交換信息，而處于不同形態(tài)的數據之間也是相互有聯系的。
比如，當數據倉庫中完成了一次查詢，查詢的結果會存入到數據湖中，存入的數據被機器學習調用后又會生成機器學習模型，從而開展更有價值的業(yè)務。又比如，當實時數據流服務把用戶在網頁的交互數據傳到數據湖之后，用數據倉庫進行分析會得到一份用戶活躍情況報告。
這種不同系統(tǒng)間的相互聯系，不同系統(tǒng)中數據的無縫遷移正是亞馬遜云科技智能湖倉所追求的終極目標，是一件聽起來很簡單但做起來很復雜的事。
亞馬遜云科技智能湖倉架構其實并不難想象，難的是具體的實現，在具體實現中，亞馬遜云科技的智能湖倉架構構建了這五大優(yōu)勢：
第一，靈活擴展、安全可靠。這一特點描述的都是亞馬遜云科技的基礎服務的特點，具體指的就是Amazon S3對象存儲，作為亞馬遜云科技的第一個云服務，S3各方面都非常成熟，是業(yè)內最好的標桿，在可靠性、安全性、合規(guī)性、成本優(yōu)化等多個方面一直引領行業(yè)。
第二，專門構建、極致性能。亞馬遜云科技喜歡強調專門構建，強調是為某個場景構建最適合的工具，它往往不是單個工具，而是成體系的一個工具，都是以組合拳的形式出現，各產品間職責劃分明確，定位清晰，用戶選擇的時候不迷惑，用的時候能更順手。
第三，數據融合、統(tǒng)一治理。這一點可以說是智能湖倉架構的靈魂了，包括數據在各點移動和轉化工作，比如提取轉換加載（ETL）之類的操作，比如為數據可視化、為機器學習做準備的各種操作，以及還有數據復制之類的操作等等。
第四，敏捷分析、深度智能。這里提到的是兩個融合，一個是Amazon SageMaker和數據倉庫融合，SageMaker從Amazon Redshift或Amazon S3里直接調取數據，服務于機器學習專家。一個是讓數據倉庫與Amazon SageMaker集成，讓不會機器學習的數據庫工程師和分析師也能訓練機器學習模型。
第五，擁抱開源、開放共贏。與許多云廠商一樣，亞馬遜云科技托管了許多開源項目，同時也反哺開源社區(qū)，產品方面遵循開源標準，以標準化API保持與開源生態(tài)的聯系，避免鎖定用戶，降低用戶遷移的代價。
亞馬遜云科技有豐富全面的工具，過去的半年里，亞馬遜云科技與光環(huán)新網和西云數據合作發(fā)布了近40項數據分析相關服務和特性，包括Amazon Glue 2.0，Amazon Athena 2.0，Amazon Lake formation以及Amazon SageMaker相關的功能特性。
除了產品技術，亞馬遜云科技的專業(yè)服務在用戶側落地環(huán)節(jié)中也至關重要，賦能團隊幫助許多中國企業(yè)完成數據從想法到原型到生產系統(tǒng)的實現過程，市場觀察者Frost Rader認可亞馬遜云科技在中國數據管理解決方案綜合市場中的表現，將其評為2020中國數據管理解決方案市場領導者。
豐田互聯基于亞馬遜云科技搭建靈活可擴展數據湖。豐田車聯網服務把經授權數據通過Amazon Kinesis Data Stream傳到豐田互聯構建的一個超大的數據湖，通過Amazon EMR對整個的數據做ETL的處理后，對數據湖里面的數據做分析，根據駕駛員的使用習慣提供一些安全用車建議，根據駕駛員的駕駛習慣來決定是否在保險費用上作出調整。
亞馬遜云科技助力TCL消除數據孤島并構建數據融合。TCL先是把多個部門的多種不同數據統(tǒng)一匯聚到基于Amazon S3的數據湖里，消除了數據孤島。同時，使用大數據服務Amazon EMR對整個湖里的數據做ETL處理和分析后，把數據加載到數據倉庫Amazon Redshift里來生成報表和分析報告。
亞馬遜云科技幫助德比軟件構建了一套緩存系統(tǒng)。德比軟件一方面收集房客點擊流數據獲知房客期望的房屋概況，一方面獲知酒店房型的狀態(tài)，將數據注入到數據湖后，由Amazon EMR完成ETL，然后交給Amazon SageMaker來訓練可以預測房屋情況的模型。德比軟件的系統(tǒng)在預測的基礎上結合實時查詢，從而實現性能和成本的最佳平衡，幫助德比軟件實現降本增效。
在聽顧凡介紹之前，筆者總是感覺數據湖的說法并不陌生，但許多時候并不落地。但從一番介紹中能看到，無論是數據湖還是數據倉庫，又或者是機器學習和商業(yè)智能，亞馬遜云科技幾乎都提供有具體的方案，使得落地的路徑變得清晰可見。
