一：資料糊定義：
1、資料湖的出現，主要是為了去滿足企業對原始資料的儲存、管理和再加工的需求。首先要有一個低成本的儲存，用於儲存結構化、半結構化，甚至非結構化的資料；另外，有一套包括資料處理、資料管理以及資料治理在內的一體化解決方案。
2、從0到1搭建資料糊，原始資料儲存在hdfs上，然後上層構建計算層、分析層等。
它和資料倉儲的區別在於：把結構化和非結構化的資料集中儲存。
doris在資料糊中的應用：
- 利用 Doris 非常高效的查詢引擎，對湖上資料進行加速分析。
- 把這些外部的資料來源，統一到 Doris 的源資料的對映結構上，使用者在透過 Doris 去查詢這些外部資料來源的時候，可以提供一致的查詢體驗。https://doris.apache.org/zh-CN/docs/lakehouse/database/jdbc
- 統一資料整合。利用 Doris 的資料處理能力對這些資料進行加工。加工完的資料一方面可以直接透過 Doris 對外提供查詢，也可以匯出到外部儲存系統（如ES）
二：doris使用場景擴充：
1、doris除了適合資料分析場景，在時序資料和日誌資料儲存方面表現也很優秀。
https://www.selectdb.com/blog/355
2、https://www.infoq.cn/article/mow1cjlqo2ih6zkdozes
三：結合一、二兩點，我們在業務上可以把這幾類資料統一起來，打通資料孤島，降低運維成本。
目前現狀：
- 資料分析： doris
- 時序資料：
- 儲存influxdb。
- 使用場景：查詢車輛軌跡、空間索引、倒排索引（查詢一個客戶的裝置資料）
- 開源版本不支援分散式
- 物聯網報文：
- 儲存es。
- 使用場景：有全文檢索的需求
這幾類資料可以集中儲存在doris中。同時帶來的缺點：
- es有kibana UI工具，influxdb也有配套的生態，doris會缺失這些。
- 解決辦法：資料雙寫，doris真正用來支撐業務，而es、influxdb用來儲存熱資料便於使用UI工具查詢
四：業務上需要理清資料流、資料血緣關係