Lakehouse là gì? DuckLake và Parquet cho doanh nghiệp nhỏ
Lakehouse là gì, DuckLake và Parquet khác kho dữ liệu truyền thống ra sao, và vì sao dữ liệu của doanh nghiệp nhỏ không cần cụm máy lớn để phân tích nhanh.
Tác giả Nhóm DataxLand· · 6 phút đọc
Khi tìm hiểu về kho dữ liệu, chủ doanh nghiệp nhỏ thường gặp một rừng thuật ngữ: data warehouse, data lake, lakehouse, Iceberg, Parquet, cluster. Phần lớn tài liệu viết cho công ty có hàng trăm terabyte và một đội kỹ sư dữ liệu. Đọc xong, cảm giác chung là "cái này không dành cho mình".
Thật ra ý tưởng của lakehouse khá đơn giản, và nó hợp với doanh nghiệp nhỏ hơn bạn nghĩ. Bài này giải thích bằng ngôn ngữ thường lakehouse là gì, Parquet và DuckLake là gì, và vì sao dữ liệu của phần lớn doanh nghiệp vừa và nhỏ chạy tốt trên một máy, không cần cụm máy chủ đắt tiền.
Ba cách cất dữ liệu để phân tích
| Cách | Dữ liệu nằm ở đâu | Điểm mạnh | Điểm yếu |
|---|---|---|---|
| Kho dữ liệu (data warehouse) | Bên trong một hệ quản trị cơ sở dữ liệu phân tích | Truy vấn SQL nhanh, có giao dịch, có quyền | Dữ liệu "nhốt" trong định dạng của nhà cung cấp; chi phí theo máy chủ hoặc theo lượng quét |
| Hồ dữ liệu (data lake) | File trên ổ lưu trữ rẻ (object storage) | Rẻ, mở, chứa được mọi thứ | Không có giao dịch, khó biết bảng nào là bản đúng, dễ thành "đầm lầy" file |
| Lakehouse | File mở trên object storage + một danh mục (catalog) quản lý bảng | Rẻ và mở như hồ, có giao dịch và phiên bản như kho | Cần một lớp quản lý catalog |
Nói gọn: lakehouse = dữ liệu ở dạng file mở, cộng một sổ ghi chép cho biết file nào thuộc bảng nào ở phiên bản nào. Sổ ghi chép đó là thứ biến một thư mục file thành một kho có giao dịch.
Parquet: định dạng file của lakehouse
Apache Parquet tự mô tả là "định dạng file dữ liệu mã nguồn mở, lưu theo cột, thiết kế để lưu trữ và truy xuất hiệu quả", kèm các phương pháp nén và mã hóa cho dữ liệu lớn (parquet.apache.org, đọc ngày 16/11/2026).
"Lưu theo cột" nghĩa là gì với một shop? Hãy nghĩ tới file đơn hàng có 30 cột. Câu hỏi "doanh thu theo tháng" chỉ cần hai cột: ngày và số tiền. Với file lưu theo dòng (như CSV hay Excel), máy phải đọc cả 30 cột của mọi dòng. Với Parquet, máy chỉ đọc hai cột cần thiết. Các giá trị trong cùng một cột lại giống nhau (cùng kiểu, nhiều giá trị lặp như tên kênh), nên nén rất tốt.
| CSV / Excel | Parquet | |
|---|---|---|
| Đọc bằng mắt | Được | Không (cần công cụ) |
| Lưu kiểu dữ liệu (ngày, số) | Không chắc chắn | Có, theo từng cột |
| Truy vấn vài cột trên nhiều dòng | Phải đọc toàn bộ | Chỉ đọc cột cần |
| Dung lượng | Lớn | Nhỏ hơn nhiều nhờ nén theo cột |
| Công cụ đọc được | Mọi nơi | Hầu hết công cụ dữ liệu hiện đại |
DuckLake: catalog là một cơ sở dữ liệu SQL thường
Các định dạng lakehouse quen thuộc lưu sổ ghi chép (metadata) dưới dạng nhiều file JSON hay Avro cạnh dữ liệu. DuckLake chọn cách khác: metadata nằm trong một cơ sở dữ liệu SQL. Trang chính thức mô tả DuckLake là "định dạng lakehouse xây trên SQL", catalog "được phục vụ bởi một cơ sở dữ liệu SQL tuân thủ ACID" như PostgreSQL, SQLite, MySQL hoặc DuckDB, còn dữ liệu là file Parquet thường trên ổ đĩa hoặc object storage (ducklake.select, đọc ngày 16/11/2026).
Theo cùng trang, DuckLake có:
- Giao dịch ACID trên nhiều bảng: một lần ghi cập nhật năm bảng hoặc thành công cả năm, hoặc không bảng nào đổi.
- Snapshot và truy vấn theo thời điểm (time travel): đọc lại bảng đúng như nó ở một phiên bản trước.
- Giấy phép MIT cho đặc tả và phần mở rộng của DuckDB.
Hai tính năng đầu nghe kỹ thuật nhưng giải quyết đúng hai nỗi đau của báo cáo bằng file: "ai đó đang sửa file dở dang" và "không biết số tháng 9 được tính từ dữ liệu nào".
Vì sao không cần cụm máy lớn
Các hệ thống dữ liệu lớn chia việc cho nhiều máy vì dữ liệu không vừa một máy. Dữ liệu của doanh nghiệp nhỏ thường vừa.
Ví dụ minh họa (giả định): một shop 500 đơn mỗi ngày, mỗi đơn trung bình 3 dòng sản phẩm, giữ dữ liệu 2 năm.
500 đơn × 365 ngày × 2 năm = 365.000 đơn
365.000 đơn × 3 dòng = 1.095.000 dòng sản phẩmKhoảng một triệu dòng — sát giới hạn 1.048.576 dòng của một sheet Excel (Microsoft), nhưng rất nhỏ với một engine phân tích. DuckDB, engine thường đi cùng DuckLake, tự mô tả là "hệ quản trị cơ sở dữ liệu SQL phân tích" chạy "in-process" (nhúng trong ứng dụng, không cần máy chủ riêng), đọc và ghi Parquet trên ổ cục bộ hoặc object storage, giấy phép MIT (duckdb.org, đọc ngày 16/11/2026). Một máy chủ bình thường xử lý vài triệu dòng như vậy trong thời gian đủ nhanh cho dashboard.
Hệ quả về chi phí: bạn trả cho dung lượng lưu trữ (file Parquet đã nén) và thời gian tính toán khi thật sự chạy, thay vì nuôi một cụm máy chạy suốt ngày đêm.
Khi nào lakehouse nhẹ là chưa đủ
Nói công bằng, cách tiếp cận này có giới hạn:
- Hàng trăm người ghi đồng thời liên tục (ví dụ hệ thống giao dịch thời gian thực) — đây là việc của cơ sở dữ liệu giao dịch, không phải kho phân tích.
- Dữ liệu sự kiện cực lớn, như log nhấp chuột của ứng dụng có hàng triệu người dùng mỗi ngày.
- Yêu cầu độ trễ tính bằng giây cho mọi truy vấn trên dữ liệu vừa ghi.
Phần lớn báo cáo quản trị của doanh nghiệp nhỏ — doanh thu, lãi, tồn kho, công nợ, quảng cáo theo ngày — không rơi vào ba trường hợp trên.
DataxLand làm việc này thế nào
Mỗi workspace của DataxLand có kho riêng theo kiểu lakehouse: file Parquet trên object storage, danh mục bảng riêng cho workspace, khóa lưu trữ riêng chỉ dùng cho workspace đó. Mỗi lần build ghi vào kho build của lần chạy; dashboard, Si và MCP chỉ đọc bản đã công bố, nên bạn không bao giờ thấy số của một lần build đang dở. Xem Kiến trúc.
Bạn không phải tự dựng catalog, chọn engine hay quản lý file. Bạn nối nguồn (file Excel, sàn, cơ sở dữ liệu), Si đề xuất cách hiểu dữ liệu để bạn duyệt, rồi DataxLand dựng kho. Bản đám mây đặt kho dữ liệu và bản sao lưu tại Việt Nam (dữ liệu ở Việt Nam). Khi cần mang dữ liệu đi, bản xuất gồm bảng chuẩn hóa và bảng chỉ số dạng Parquet (Xuất và xóa dữ liệu).
Câu hỏi thường gặp
Lakehouse có thay được Excel không?
Không thay, mà đứng phía sau. Excel vẫn là nơi bạn xem, thử, tính nhanh. Lakehouse là nơi giữ bản dữ liệu đúng, có lịch sử, để mọi báo cáo cùng đọc một nguồn.
Dữ liệu Parquet có bị khóa vào một nhà cung cấp không?
Parquet là định dạng mở, đọc được bằng nhiều công cụ phân tích phổ biến. Đó là một lý do lakehouse ít bị khóa vào nhà cung cấp hơn kho dữ liệu dùng định dạng nội bộ.
Doanh nghiệp nhỏ có cần thuê kỹ sư dữ liệu để dùng lakehouse?
Nếu tự dựng thì có: ai đó phải chọn công cụ, viết quy trình nạp, kiểm tra và vận hành. Nếu dùng một nền tảng đã đóng gói lakehouse bên trong, bạn làm việc với nguồn, chỉ số và dashboard, không trực tiếp với file.
Time travel có ích gì cho báo cáo?
Nó trả lời được "số tháng trước được tính từ dữ liệu nào". Khi ai đó hỏi vì sao báo cáo gửi tuần trước khác bây giờ, bạn so được hai phiên bản thay vì đoán.
Đọc tiếp: Excel không đủ nữa: khi nào cần kho dữ liệu · Semantic layer là gì · 5 lỗi dữ liệu bán hàng cần kiểm tra