一、数据湖（Data Lake）
1、定义
数据湖：所有原始数据，不挑格式、不提前加工，统一存放的存储载体。
表格、日志、视频、图片、JSON、接口数据，都可以原样入库，先存储下来。
2、特点
• 存储未经清洗的原始数据
• 结构化、半结构化、非结构化数据都可以存放
• 入库阶段不需要提前建表、定义字段
• 灵活度高，适合大数据挖掘、AI分析、探索式分析
3、对比：数据湖 VS 数据仓库
数据仓库（DW）
先建模 → 先清洗 → 先规整 → 再入库
适合：固定报表、企业统计、日常对账
数据湖
先入库保存 → 要用再整理 → 随时分析
适合：大数据挖掘、机器学习、未知业务分析
区分口诀：
仓库先加工、后存储；数据湖先存储、后加工。
4、考察形式
题目会设置不同业务场景，让大家判断适合的数据存储方案，或是辨析二者的差异。
二、代码坏味道（Code Smell）
1、通俗一句话定义
代码可以正常运行、不会报错，但编写方式或者设计存在隐患，长期下来会提升维护的难度。
它不属于程序故障，只是一种信号，提示开发者这段代码可以做优化重构。
2、本质
坏味道代表代码设计不够合理，可读性、可维护性、扩展性偏弱，当下功能不受影响，但后续迭代容易出现问题。
3、常见的代码坏味道
1. 重复代码
多处出现内容相近的代码片段，修改的时候需要多处同步调整。
2. 过长方法 / 过长类
单个函数代码篇幅很长，或者一个类承载过多职责，也就是大家常说的大泥球类代码。
3. 魔法数字
代码里直接写入数值，没有定义常量去说明它的含义。
4. 参数过多
一个方法的入参数量较多，阅读和调用都比较麻烦。
5. 特征依恋
一个类频繁获取另一个类内部的数据，职责划分不够清晰，不符合封装思想。
6. 冗余临时变量
额外定义没有必要的中间变量，让代码变得繁琐。
4、配套知识点
识别出代码坏味道之后，对应的处理方式是重构（Refactoring）。
重构，是在不改变系统原有功能的前提下，优化代码结构，提升可读性、维护性和扩展性。
三、考生容易混淆的两点
混淆点1：把坏味道等同于Bug
Bug是功能运行出错；坏味道是代码质量层面的问题，功能可以正常执行，只是设计存在短板。
混淆点2：分不清数据湖和数据仓库
固定统计报表的场景，适合选用数据仓库；需要保留原始数据、做探索分析的场景，适合选用数据湖。
四、简短梳理
1. 数据湖：存放原始、多类型数据，先存储后处理，适配大数据、AI分析场景
2. 数据仓库：数据提前规整处理之后入库，多用于企业固定统计报表
3. 代码坏味道：程序可正常运行，但设计存在不足，需要通过重构优化
这两个概念，在近几年软考的题目里经常出现，选择题、案例题、论文都有可能涉及。
读懂本文，遇到相关题目就可以从容判断。