这本书围绕现代数据架构的选型展开,讨论数据编织、数据湖仓、数据网格这些近年出现的新方案与现代数据仓库之间的关系。作者James Serra指出,这些新架构确有实实在在的好处,但同时也被大量夸张宣传和概念混淆所包围,数据从业者往往难以判断哪种架构适合自己的场景。因此本书的目的不是推销某一种架构,而是带读者逐一了解每种架构的优缺点,为选型提供依据。
读者可以抓住几条主要线索。其一是背景与基础:书中从大数据背景切入,讲解关系型数据仓库的起源与特点,以及它与OLTP系统的区别,为后续的架构对比打下概念基础。其二是术语的澄清:书中系统梳理了大量常见的数据架构概念,例如ETL流程、数据湖、数据仓库等,并指出这些概念如今多作为组件存在,而非独立的架构,帮助读者避免望文生义。其三是实践方法:作者引入“架构设计研讨会”这一做法,说明如何在研讨会开始时用一两个小时做需求发现,询问客户当前的痛点、现状等问题,通过白板讨论和访谈梳理需求,再勾勒架构草图。其四是具体架构的剖析:书中讲解了数据湖的用途与数据进出湖泊的处理方式,也谈到Lambda架构的批处理层如何在全量数据上修正流处理层的数据,以及批处理的优势与风险。