Data lakehouse: qué es y cómo funciona
(2 min. de lectura) Un Lakehouse (o Data Lakehouse) es una arquitectura moderna de gestión de datos que combina lo mejor de dos mundos tradicionales en bases de datos y big data:-
Data Lake → almacenamiento masivo, barato y flexible de datos en bruto (estructurados, semi-estructurados y no estructurados).
Data Warehouse → consultas rápidas, confiables, con transacciones ACID, gobernanza y buena performance en análisis SQL.
| Característica | Data Warehouse (tradicional) | Data Lake (tradicional) | Data Lakehouse |
|---|---|---|---|
| Tipos de datos | Principalmente estructurados | Todo tipo (raw) | Todo tipo (raw + estructurado) |
| Costo de almacenamiento | Alto | Muy bajo | Muy bajo |
| Performance en consultas SQL | Excelente | Baja-mala | Muy buena (casi igual a warehouse) |
| Transacciones ACID | Sí | No (o muy limitada) | Sí |
| Soporte Machine Learning / IA | Limitado | Bueno | Excelente (mismo formato open) |
| Gobernanza y calidad | Muy buena | Débil | Muy buena |
| Casos de uso típicos | BI, reporting | Big data, DS/ML | BI + DS/ML + IA + streaming |
¿Cómo se logra esto técnicamente?
- Almacenamiento barato y escalable → normalmente object storage (S3, Azure Data Lake, Google Cloud Storage)
- Formato de tablas abierto + capa de metadatos → los más populares son:
- Delta Lake
- Apache Iceberg
- Apache Hudi
- Transacciones ACID.
- Time travel (viajar en el tiempo a versiones anteriores).
- Schema enforcement y evolution.
- Upserts, deletes, merges (DML completo).
- Motor de consulta potente → Spark, Trino, Presto, Snowflake, Dremio, Microsoft Fabric, Google BigLake, etc.