抗洪还得靠管理
那么数据湖要如何才能避免成为数据洪的悲剧呢？首先应该从根本上改变传统对数据湖的看法。把数据湖当作一个整体库存来管理是存在问题的，对于管理人员来讲，基于数据类型需要把数据湖分成一个个的区，分别处理管理。
基于Hadoop的数据湖需要分类
基于Hadoop的数据湖的区域划分归类对其而言十分重要。管理者需要对其需要提取的数据进行原始数据的保留，并且对其进行元数据标记，标明数据源、数据类型等。当被提取的数据处理完毕之后要对其统一规划并进行后续处理。
如果用户需要选择一些特定应用程序的数据，那么可以通过收集、转换，将来自不同数据源的数据全部带走并进行处理。最后，在处理工作完成后可以通过数据轨迹、处理日志等工具对处理过程进行审核，保障数据处理的完成度。
数据分类管理
这些问题说起来简单，但是做起来却是一件相当麻烦的事情。这要求企业拥有一套十分成熟的数据提取工具，用于数据转化、分类、标记以及其他任务。
而且不仅仅是企业关注这一问题，在Apache的Hadoop社区也有好多团队在致力于开发此类工具。事实上，此类工具更趋向于数据管理专业，这些对于企业来讲并不熟悉。而好消息是，一些相关的生态链已经在Hadoop领域开始形成，相信解决数据湖管理难题的工具将在不久后出现。
