データレイク（Data Lake）とは
データレイク（Data Lake）は、大量の生データをあらゆる形式で格納する大規模ストレージシステムです。構造化・半構造化・非構造化データを格納し、後から必要に応じて処理・分析できます。AWS S3、Azure Data Lake Storage、Google Cloud Storageが代表例です。
データレイクとデータウェアハウスの違い
| 比較項目 | データレイク | データウェアハウス |
|---|---|---|
| データ形式 | あらゆる形式（生データ） | 構造化データ（テーブル） |
| スキーマ | Schema-on-Read（読み時） | Schema-on-Write（書き時） |
| 用途 | 探索的分析・AI/ML学習データ | BI・定型レポート |
| 代表例 | AWS S3、ADLS、GCS | BigQuery、Snowflake、Redshift |
主要なデータレイクプラットフォーム
- Amazon S3：最も広く使われるオブジェクトストレージ。Athena・EMRと連携
- Azure Data Lake Storage Gen2：AzureのHadoop互換ストレージ
- Google Cloud Storage：BigQuery・Dataflowと統合
- Delta Lake：Databricksのオープンソース・ACIDトランザクション対応
- Apache Iceberg：NetflixのオープンテーブルフォーマットでSpark・Flink対応
2025〜2026年の最新動向
- Lakehouseアーキテクチャ：データレイク＋DWHの特性を統合（Delta Lake、Apache Iceberg）
- Open Table Format：Apache Icebergが業界標準として台頭、Snowflake・BigQueryが対応
- データメッシュ：ドメインオーナーシップによる分散型データ管理の普及
- AI機能統合：Databricks Genie・Microsoft Fabricで自然言語でデータレイクを操作
よくある質問（FAQ）
Q. データレイクとは何ですか？
生データをあらゆる形式で大量に格納する大規模ストレージシステムです。AWS S3、Azure Data Lake Storage、Google Cloud Storageが代表例です。AI/ML学習データや探索的分析に適しています。
Q. Lakehouseとは何ですか？
Lakehouseはデータレイクの低コスト・柔軟性とデータウェアハウスのSQL・ACID機能を統合したアーキテクチャです。Delta Lake（Databricks）やApache Icebergが代表的で、2025年はこれが業界標準になりつつあります。