データレイクハウスは、データレイクの柔軟性・コスト効率・スケールと、データウェアハウスのデータ管理・トランザクション機能を組み合わせたデータ管理アーキテクチャの考え方です。2021年のCIDR論文はApache Parquetなどのオープンな直接アクセス形式を基盤とし、機械学習を第一級でサポートするLakehouseを提案しました。Databricksの用語集はACIDトランザクション、スキーマの強制、ガバナンス、BIと機械学習のサポートを特徴に挙げています。特定の製品名ではなく、複数のオープンな形式で実装される概念です。
データレイクハウスの定義と主な特徴(2021年論文とDatabricks用語集の記述に基づく)
論文での提案とベンダーによる説明が併存しており、特徴の記述は出典によって表現が異なる。