Lakehouse
结合数据湖与数据仓库优势的数据架构，支持大规模分析型（OLAP）工作负载，兼具数据湖的灵活存储和数据仓库的查询性能
核心事实
时间轴 (近 90 天)
开放表格式是 Lakehouse 生态中的关键抽象层，它在对象存储之上提供表级别的元数据管理、事务保证和 schema 演进能力。
惠普选择Databricks作为CustomerLake的核心引擎，因为其湖仓一体架构（Lakehouse）能处理结构化交易记录、半结构化点击流日志和非结构化客服对话文本等多种客户数据。
Lakehouse 方案多采用乐观并发控制配合元数据层的原子提交。
多语句事务在提升一致性的同时，可能在高并发写入场景下引入锁竞争或冲突重试，从而影响吞吐。
多语句事务 GA 之前的版本已提供了单表单次写入的原子性，GA 则把原子性从单次写入扩展到一组操作。
多语句事务（Multi-Statement Transactions）功能正式宣布 Generally Available（GA）。
Lakehouse 的构想是用开放文件格式（如 Parquet、ORC）存储数据，同时在其上叠加事务、schema 演进、时间旅行等数仓能力，避免数据湖与数据仓库两套系统并存带来的数据冗余和同步延迟。
跨语句事务对元数据存储提出更高要求，元数据服务的可用性会直接成为关键路径。
Databricks Document Intelligence 的差异化在于与 Lakehouse 架构的深度耦合，以及与面向智能体时代的定位。
Lakehouse的核心思想是在开放的数据湖存储层之上叠加数据仓库级别的事务支持、Schema管理与查询性能优化能力
还有 27 条时间轴事件
全部知识事实 (20)
Databricks 是数据与 AI 平台领域的头部厂商
90%已验证Databricks通过其开源项目Delta Lake实现了数据湖仓（Lakehouse）架构
90%已验证Lakebase 是 Databricks 面向 AI 应用场景推出的数据库服务，是构建在 Lakehouse 架构之上的事务性数据库能力
80%已验证Lakehouse架构旨在将数据湖的低成本、高灵活性与数据仓库的结构化查询能力合二为一
75%已验证Lakehouse架构由Databricks在2020年提出，旨在融合数据湖的灵活性与数据仓库的事务性
75%已验证Lakebase 是 Databricks 生态中提出的一种新型数据库形态，其核心理念是将 Postgres 兼容的事务型数据库能力构建在数据湖仓架构之上
75%已验证Lakehouse通过在对象存储上构建事务元数据层（如Delta Lake、Apache Iceberg、Apache Hudi）解决数据湖缺乏ACID事务与数仓厂商锁定的矛盾
75%待验证Genie Ontology 是 Databricks 在其 Lakehouse 架构中推出的语义层产品，允许用户用自然语言提问并返回经过语义验证的数据答案
70%待验证Lakehouse是Databricks提出的融合架构，在同一套存储层上同时支持事务处理和分析查询，其底层依托Delta Lake格式实现ACID事务能力
70%待验证开放表格式是 Lakehouse 生态中的关键抽象层，它在对象存储之上提供表级别的元数据管理、事务保证和 schema 演进能力。
50%待验证惠普选择Databricks作为CustomerLake的核心引擎，因为其湖仓一体架构（Lakehouse）能处理结构化交易记录、半结构化点击流日志和非结构化客服对话文本等多种客户数据。
50%待验证Lakehouse 的构想是用开放文件格式（如 Parquet、ORC）存储数据，同时在其上叠加事务、schema 演进、时间旅行等数仓能力，避免数据湖与数据仓库两套系统并存带来的数据冗余和同步延迟。
50%待验证多语句事务 GA 之前的版本已提供了单表单次写入的原子性，GA 则把原子性从单次写入扩展到一组操作。
50%待验证跨语句事务对元数据存储提出更高要求，元数据服务的可用性会直接成为关键路径。
50%待验证Lakehouse 方案多采用乐观并发控制配合元数据层的原子提交。
50%待验证多语句事务在提升一致性的同时，可能在高并发写入场景下引入锁竞争或冲突重试，从而影响吞吐。
50%待验证Databricks Document Intelligence 的差异化在于与 Lakehouse 架构的深度耦合，以及与面向智能体时代的定位。
50%待验证Lakehouse的核心思想是在开放的数据湖存储层之上叠加数据仓库级别的事务支持、Schema管理与查询性能优化能力
50%待验证现有Lakehouse擅长分析型（OLAP）查询，而大量AI应用还需要高频读写的在线事务处理（OLTP）能力
50%待验证湖仓一体架构基于开放的存储格式（如Parquet）和开放的表格式（如Delta Lake、Iceberg、Hudi），在廉价的对象存储之上提供事务、版本管理和schema演进等能力
50%