Azure Databricks 和 Delta Layer 是否使其成为 Lakehouse？
Does Azure Databricks and Delta Layer make it a Lakehouse?
即使查阅了很多资源，我仍无法理解湖屋的构成，因此我提出以下问题。
如果我们有 Azure Gen 2 存储、ADF 和 Azure Databricks，并且可以将传入的 CSV 文件转换为增量表，那么它可以称为“Lakehouse”架构还是称为“Delta Lake”？
还是 Delta Lake 层之上的“SQL 分析”引擎使其成为“Lakehouse”？
请说明。
在高级别上，Lakehouse 必须包含以下属性：
- 开放直接访问数据格式（Apache Parquet、Delta Lake 等）
- 首先 class 支持机器学习和数据科学工作负载
- 最先进的性能
Databricks是第一个Lakehouse，因为它满足以上三个属性。具体来说，如果您将 Databricks 与 ADLS 一起使用并将所有数据（json、csv、parquet、消息等）转换为 Databricks 中可用的增量表。那就是湖屋的制作，但它仍然需要建造和支持。 Databricks 平台允许我们满足上面的第 2 点和第 3 点，而 Delta Lake 满足 1 和 3（性能依赖于引擎和存储，这就是为什么 3 被提到两次）。
利用 Databricks 和访问存储在 Delta 中的数据是一个 Lakehouse。通过添加 Databricks SQL（正式名称为 SQL Analytics），我们允许更多用户访问和使用 Lakehouse。在 Databricks SQL 中，用户使用的计算和数据与数据工程师在 Databricks 中使用的相同，只是他们所熟悉的 UI 不同。此外，Databricks SQL 针对 SQL 和 BI 工作负载进行了优化，而笔记本环境更适合工程和数据科学
作为有趣的阅读，您应该查看我们的 Lakehouse whitepaper。
即使查阅了很多资源，我仍无法理解湖屋的构成，因此我提出以下问题。
如果我们有 Azure Gen 2 存储、ADF 和 Azure Databricks，并且可以将传入的 CSV 文件转换为增量表，那么它可以称为“Lakehouse”架构还是称为“Delta Lake”？
还是 Delta Lake 层之上的“SQL 分析”引擎使其成为“Lakehouse”？
请说明。
在高级别上，Lakehouse 必须包含以下属性：
- 开放直接访问数据格式（Apache Parquet、Delta Lake 等）
- 首先 class 支持机器学习和数据科学工作负载
- 最先进的性能
Databricks是第一个Lakehouse，因为它满足以上三个属性。具体来说，如果您将 Databricks 与 ADLS 一起使用并将所有数据（json、csv、parquet、消息等）转换为 Databricks 中可用的增量表。那就是湖屋的制作，但它仍然需要建造和支持。 Databricks 平台允许我们满足上面的第 2 点和第 3 点，而 Delta Lake 满足 1 和 3（性能依赖于引擎和存储，这就是为什么 3 被提到两次）。
利用 Databricks 和访问存储在 Delta 中的数据是一个 Lakehouse。通过添加 Databricks SQL（正式名称为 SQL Analytics），我们允许更多用户访问和使用 Lakehouse。在 Databricks SQL 中，用户使用的计算和数据与数据工程师在 Databricks 中使用的相同，只是他们所熟悉的 UI 不同。此外，Databricks SQL 针对 SQL 和 BI 工作负载进行了优化，而笔记本环境更适合工程和数据科学
作为有趣的阅读，您应该查看我们的 Lakehouse whitepaper。