Een data lakehouse is een opslagaanpak die twee oudere ideeën in één samenbrengt. Het houdt de goedkope, flexibele opslag van een datalake aan, waar ruwe data van elk type leeft, en voegt daar de structuur, betrouwbaarheid en snelle queries aan toe die je normaal alleen van een datawarehouse zou krijgen.
De naam zegt het ronduit: een lake plus een warehouse, in één gebouw. Vóór lakehouses draaiden bedrijven die twee vaak naast elkaar, ruwe data in een lake dumpen en daarna een schoongemaakt stuk naar een warehouse kopiëren voor rapportage. Dat betekende twee systemen, twee kopieën en een doorlopende klus om ze gelijk te houden. Een lakehouse haalt die splitsing weg door warehouse-structuur direct bovenop de opslag van de lake te leggen, zodat dezelfde data zowel ruwe analyse als nette business intelligence dashboards kan voeden.
De truc die dit laat werken is een open tabelformaat zoals Delta Lake of Apache Iceberg. Dat legt een metadatalaag over gewone bestanden in goedkope object storage, en brengt zo warehouse-features als transacties, schema-bewaking en time travel naar data die nog gewoon als bestanden bestaat. Een data scientist traint dus een model op de ruwe records terwijl een analist een schone tabel bevraagt, allebei gericht op één kopie.
Dit is het aantrekkelijkst voor big data werk, waar de omvang het duur en traag maakt om twee kopieën te onderhouden. Voor een handvol schone tabellen is het overdreven, en blijft een gewoon warehouse de simpelere keuze. De lakehouse verdient zijn plek als schaal en variëteit allebei hoog zijn.
Bij TopDevs raden we een lakehouse alleen aan als een klant echt zowel ruwe analytics als gestructureerde rapportage draait, zodat hij niet langer betaalt om dezelfde data dubbel op te slaan en te synchroniseren.
