通常的數據湖方案是選取大數據存儲引擎構建數據湖（例如，阿里云對象存儲OSS產品或云下HDFS），然后將產生的各種類型數據存儲在該存儲引擎中。在使用數據時，通過Spark或Presto對接數據分析引擎并進行數據解析。但該套方案存在如下問題：

• 數據導入可能會失敗，失敗后清理臟數據和恢復作業困難。
• 方案中沒有ETL（Extract Transform Load）過程，缺少必要的數據質量監管。
• 方案中沒有事務將讀和寫隔離，致使流式和批式讀寫無法相互隔離。

Delta數據湖方案如下：

• 在大數據存儲層之上提供了數據管理層，該數據管理層等同于數據庫中的元數據管理，其元數據隨著數據一起存放并對用戶可見（例如圖 1所示）。
• Delta基于元數據管理引入了ACID，解決了因數據導入失敗而產生臟數據和數據導入時的讀寫隔離問題。
• 元數據存儲了數據的字段信息，Delta提供了數據導入時數據校驗功能，保證數據質量。
• 事務功能使得批式讀寫和流式讀寫能夠互相隔離。

Data Warehouse、Data Lake和Delta Lake對比如下所示。

對比項	Data Warehouse	Data Lake	Delta Lake
架構	計算存儲一體或分離	計算存儲分離	計算存儲分離
存儲管理	嚴格、非通用	原生格式	通用格式、輕量級
場景	報表、分析	報表、分析、數據科學	報表、分析、數據科學
靈活性	低	高	較高
數據質量和可靠性	很高	低	較高
事務性	支持	不支持	支持
性能	高	低	較高
擴展性	依賴于具體實現	高	高
面向人員	管理人員	管理人員、數據科學家	管理人員、數據科學家
成本	高	低	低

Delta適用于云上數據湖數據管理解決方案。如果您存在以下場景，可以使用Delta：

• 實時查詢：數據實時從上游流入Delta，查詢側即可查詢該數據，例如，在CDC場景下，Spark Streaming實時消費binlog時，使用Delta merge功能，實時將上游的數據通過merge更新到Delta Lake，然后可以使用Hive、Spark或Presto實時查詢。同時，由于支持ACID，保證了數據的流入和查詢的隔離性，不會產生臟讀數據。
• 刪除或更新，GDPR（General Data Protection Regulation）：通常數據湖方案不支持數據的刪除或更新。如果需要刪除或更新數據，則需要把原始數據清理掉，然后把更新后的數據寫入存儲。而Delta支持數據的刪除或更新。
• 數據實時同步，CDC（Change Data Capture）：使用Delta merge功能，啟動流作業，實時將上游的數據通過merge更新到Delta Lake。
• 數據質量控制：借助于Delta Schema校驗功能，在數據導入時剔除異常數據，或者對異常數據做進一步處理。
• 數據演化：數據的Schema并非固定不變，Delta支持通過API 方式改變數據的Schema。
• 實時機器學習：在機器學習場景中，通常需要花費大量的時間用于處理數據，例如數據清洗、轉換、提取特征等等。同時，您還需要對歷史和實時數據分別處理。而Delta簡化了工作流程，整條數據處理過程是一條完整的、可靠的實時流，其數據的清洗、轉換、特征化等操作都是流上的節點動作，無需對歷史和實時數據分別處理。