然而随着业务规模快速增长，T3出行在支撑海量的数据存储与计算时面临着：传统数仓难以解决出行场景的“长尾支付”、TCO（TotalCostofOwnership，总体拥有成本）居高不下、运维成本高且扩展性受限等问题。

 

　　为满足业务发展，T3出行将最初的传统数仓架构改造成业界新兴的Lakehouse架构，他们的研发团队在这个过程中走了不少“捷径”，像华为云数智融合产品就为其构建Lakehouse提供了不少助力。

 

　　在8月16日主题为“数智融合，云上创新”的华为云大咖说数智融合专场中，T3出行大数据平台研发负责人杨华分享了T3出行的Lakehouse架构与实践：

 

　　2020年初Databricks在一篇论文中正式提出了“Lakehouse”的概念，同期三大开源数据湖框架（ApacheHudi/Iceberg/DletaLakeOS版）逐步进入大家的视野。由于Databricks的Lakehouse是以DeltaLake作为核心TableFormat，因此，在做Lakehouse架构构建选型时，这三个框架便成为了优先选项。

 

　　在过去的两年里，围绕这三个数据湖框架构建的Lakehouse架构正在被越来越多的企业接受并付诸实践。Lakehouse（国内常称之为“湖仓一体”）是一个存算分离的架构，存储与计算解耦，各自scale-out。从存储层来看，借助于纠删码技术，对象存储使得数据的TCO与成本得到进一步的降低。从计算层来看，借助于弹性算力，计算资源从以前的长期租赁，变成了按需使用、按需计费的方式。

 

　　T3出行由于从早期就参与ApacheHudi社区的源码贡献，因此很早就看到了新兴的这些TableFormat的优势并开始探索、实践Lakehouse架构。借助于华为云FusionInsight整体托管能力及其OBS对象存储，T3出行的Lakehouse得以稳健地支撑业务的快速增长。

 

　　T3出行的Lakehouse架构同时支撑了面向数据分析的BI场景以及面向数据智能的AI场景，不仅使TCO相比技改前降低20%以上，更解决了传统数仓难以支持分钟级数据摄取等难题。以一套架构体系支撑了OLAP、AD-Hoc查询、离线与准实时的数据加工、机器学习训练等BI、AI的典型场景，有效地支撑了“数智融合”。