近两年，“数据池”的概念声名鹊起，被广泛使用。但这个概念是否准确，是否暗示了正确的数据管理方法还有待商榷。

“数据池”一词最早是由软件供应商Pentaho的CTO James Dixon于2011年提出的。甫一出现，就得到调研公司CITO Research的Dan Woods和咨询公司Silicon Valley Data Science副总裁Edd Dumbill的追捧。有意思的是，随着“数据池”概念的广泛使用，它产生了很多变体。例如Pivotal(EMC针对云计算和大数据成立的软件公司)提出的“业务数据池”和Hadoop供应商Hortonworks提出的“企业数据池”的概念。

以上是数据池一词的发展，那么究竟什么是数据池呢？简言之，数据池意味着企业所有数据都可以，并应该存储在Hadoop中，所有业务应用都能平等地访问和使用数据。理想情况下的数据池相当于取代了所有数据仓库、数据集市甚至运营数据库。

咨询公司Silicon Valley Data Science副总裁Edd Dumbill认为，在数据池发展的最终阶段，所有的新应用都会搭建在Hadoop数据池上，都可以在Hadoop数据池上共享数据、治理数据、保护数据，只有很少一部分旧应用和个别应用会单独存在。这种观点也得到一些人的认可。现在让我们重新审视一下数据池的概念，撇开这种替换方法带来的逻辑问题和经济成本不谈，我们只看基础架构，试想：一个人会怎样搭建数据池?

数据池真的是个“池”吗？

单从字面上看，所谓池，意味着池中的水是完全等同的，它可以任意流动，不受任何限制，水的来源不需要加以区分，任何人都可以提取池中的水。但这些特点并不适用于业务数据，那么，为什么还要用“池”这个词?

也许，“池”这个词是区别于高度结构化、组织良好的数据仓库而言的。但是，虽然大数据时代产生了很多非结构化和半结构化数据，并不意味着我们一定要有同样非结构化的数据存储。而且，任何人都不会把已经得到妥善管理和正确理解的数据“倒入”模糊数据源的“数据池”中。

供应商与其发明新的营销口号，不如考虑不同类型的业务数据如何共存，为业务提供价值。虽然关于数据仓库架构的一些传统观念和要求已经过时了，但企业对高质量数据的需求没有变。业务仍然需要高度结构化和规范的数据存储。

当然，还有一些机器数据和社交媒体数据，可以用于感知趋势、预测市场变化，这些数据需要大规模的，廉价又灵活的数据存储。

多个技术支柱支撑的IT架构

虽然高度结构化的敏捷的数据环境之间各不相同，但企业需要把不同的数据环境连接到一起。单一信息提供的洞察力显然不如集群信息提供的洞察力。效果显著的架构应该是建立在多个技术支柱之上的，每一个支柱都针对特定的需求和处理类型做了优化，不同技术支柱之间的类似流程和元数据都能共享。这是与所谓的“池”完全不同的概念。

比喻总有不尽人意的地方。我记得上世纪八十年代我们讨论“数据仓库”这个词的时候，还担心“仓库”一词会给业务人员带来误解。事实证明真的是这样，后来我们又引进了数据集市的概念，不过“集市”一词有它的缺陷。我们在用一件东西比喻另一件东西的时候，一定会面临认知问题。而“数据池”这个词则导致了严重的认知不一致。或许我们应该把定义和解释新数据架构的话语权交给更专业的人士。