在數字化轉型的浪潮中，企業對數據處理能力的要求日益提高。

過去，數據湖和數據倉庫分別擁有兩套獨立的管理體系，這導致維護成本高昂，研發周期漫長。為了加強數據端到端的鏈路整合，構建一套低成本、高性能的數據湖倉一體分析能力成為越來越多企業的需求。

作為火山引擎推出的一款云原生數據倉庫，ByteHouse 基于 ClickHouse 技術路線優化和演進，已具備實時數據分析、海量數據離線分析能力，便捷的彈性擴縮容、極致分析性能以及豐富的企業級特性，在金融、游戲、泛互等領域加速企業數字化轉型。為了進一步提升使用體驗、降低運維成本，ByteHouse 構建了高性能、功能全面的湖倉一體能力，支持對多種數據湖開放格式進行讀寫，并通過優化器和 Schema 動態感知增強性能，確保湖倉間數據高效流動。

據火山引擎 ByteHouse 產品負責人李群介紹：“ByteHouse 湖倉一體能力具備快、通、全三大特點，在保障湖倉數據聯邦的分析高性能的同時，實現湖倉雙向讀寫，精簡了整體架構，還基于 Multi-Catalog 進行多源數據管理，提供更豐富、更全面的一體化能力。”

首先，ByteHouse 湖倉一體關鍵能力之一在于“快”。在當今復雜的商業環境下，企業每天需要面臨大量決策，而高效的數據反饋可以提升企業決策效率和準確度。從 Native Reader、IO 優化、多級 Cache、物化視圖、優化器五個方面，ByteHouse 針對性能進行了大量優化。例如，在并發支持和復雜模型處理上，ByteHouse 則通過自研優化器等手段優化了 ClickHouse 的不足，在經典的星星、雪花負載模型下已得到驗證。從數據效果上看，ByteHouse 在 SSB Flat 100G 、TPC-DS 100G 測試中的表現，基本高于行業同類型產品。

其次是“通”。ByteHouse 采用 ZeroETL 理念，實現了湖與倉之間的雙向互通，支持讀取和寫入數據，簡化數據架構。具體而言，ByteHouse 湖-表格式在 EMR 上運行，支持對 Hive、Hudi、Paimon、Iceberg 等多種數據源的外表讀操作。而湖-文件格式則支持在對象存儲上進行 CSV、JSON/JSONB、Parquet、ORC 等多種格式的讀寫操作。此外，ByteHouse 還提供了 Spark、Flink 等 Connector，方便企業將 ByteHouse 與其他大數據處理框架進行集成，實現更加高效的數據處理和分析。

最后是“全”。基于 Multi Catalog 多源數據管理能力，ByteHouse 具備全域數據一張圖的能力。例如，從治理角度，展示全域血緣、全域治理數據；從管控角度，展示全域多租戶管理、全域權限管控數據；從合規角度，展示全域合規性建設數據等，助力企業從全局視角更好洞察和分析高價值數據，提升數據資產化能力。

除了湖倉一體化，ByteHouse 還從 TP、AP 一體化，倉、市一體化，AP、AI 一體化方面，逐步實現 ZeroETL 輕量化數據架構。通過“四個一體化”策略，不僅讓數倉更輕快，數據免搬遷，還能保障數據質量，實現智能運維。 

目前，ByteHouse“四個一體化”策略已經在抖音集團內部 BI 平臺落地和驗證，在報表查詢、管理駕駛艙、指標平臺等業務場景中，將性能至少提升 2 倍，成本降低 33%。