[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-lakehouse::ru":3,"gloss-cluster-lakehouse::ru":23,"gloss-next-lakehouse::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"lakehouse","data-infra","Data Lakehouse (озеро-хранилище)","Lakehouse — это архитектура, которая размещает возможности хранилища данных (ACID-транзакции, контроль схемы, быстрый SQL) прямо поверх дешёвого объектного хранилища вроде S3, а не в проприетарном хранилище. Цель — совместить низкую стоимость и гибкость озера данных с надёжностью и производительностью хранилища, чтобы не поддерживать две отдельные системы.\n\nТехнология-основа — открытые табличные форматы Apache Iceberg, Delta Lake и Apache Hudi, которые добавляют журнал транзакций и слой метаданных поверх колоночных файлов Parquet. Этот слой приносит атомарные записи, «путешествие во времени» и эволюцию схемы файлам, которые иначе превратились бы в мутное «болото данных».\n\nДля SaaS-разработчиков посыл lakehouse — избежать привязки к вендору и дублирования хранения: сырые данные и готовые к аналитике таблицы лежат в одних открытых файлах, доступных многим движкам (Spark, Trino, DuckDB, Snowflake, Databricks). На практике: обещание реально, но инструментарий моложе классических хранилищ. Если данных немного, управляемое хранилище часто проще; к lakehouse стоит идти, когда масштаб, стоимость или доступ из нескольких движков оправдывают лишнюю сложность.","Lakehouse размещает возможности хранилища — ACID, контроль схемы, быстрый SQL — прямо на дешёвом объектном хранилище вроде S3, а не в проприетарном складе.",null,[11,14,17,20],{"slug":12,"name":13},"columnar-storage","Колоночное хранение",{"slug":15,"name":16},"data-lake","Data Lake (озеро данных)",{"slug":18,"name":19},"data-warehouse","Хранилище данных (Data Warehouse)",{"slug":21,"name":22},"olap","OLAP (аналитическая обработка данных)",[24,28,31,34,37,41,44,47,50,53,57,58],{"slug":25,"category":5,"name":26,"updated_at":27},"acid","ACID","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"ann-search","ANN-поиск (приближённый поиск ближайших соседей)",{"slug":32,"category":5,"name":33,"updated_at":27},"backpressure","Обратное давление (backpressure)",{"slug":35,"category":5,"name":36,"updated_at":27},"batch-processing","Пакетная обработка (Batch Processing)",{"slug":38,"category":5,"name":39,"updated_at":40},"bm25","BM25","2026-08-24T02:46:38+00:00",{"slug":42,"category":5,"name":43,"updated_at":27},"cache","Кэш (Cache)",{"slug":45,"category":5,"name":46,"updated_at":27},"cap-theorem","Теорема CAP (CAP theorem)",{"slug":48,"category":5,"name":49,"updated_at":27},"change-data-capture","Захват изменений данных (CDC)",{"slug":51,"category":5,"name":52,"updated_at":27},"chroma","Chroma",{"slug":54,"category":5,"name":55,"updated_at":56},"chunk-overlap","Перекрытие фрагментов","2026-08-24T03:30:02+00:00",{"slug":12,"category":5,"name":13,"updated_at":27},{"slug":59,"category":5,"name":60,"updated_at":27},"connection-pooling","Пулинг соединений (Connection Pooling)"]