Schema-on-read

定义 Definition

Schema-on-read（读时建模/读时定义模式）：一种数据处理与数据仓库/数据湖常见做法——数据先以原始或半结构化形式存储，在读取、查询或分析时再按需要解释字段、类型与结构（即“在读的时候套上schema”）。常与 schema-on-write（写时建模）对比。该术语也常用于描述数据湖、日志数据、JSON/Parquet等场景。

发音 Pronunciation (IPA)

/ˈskiːmə ɒn riːd/

例句 Examples

We use schema-on-read to analyze raw logs quickly.
我们使用“schema-on-read”来快速分析原始日志。

In a data lake, schema-on-read lets different teams query the same files with different assumptions, but it also increases the need for strong data governance.
在数据湖中，“schema-on-read”让不同团队可以用不同的假设去查询同一批文件，但也更需要完善的数据治理。

词源 Etymology

该术语由 schema（模式/结构）+ on read（在读取时）组合而成，属于数据工程领域的对比性命名：强调“写入时不强制统一结构，而在消费/查询时再定义结构”。它随着大数据与数据湖实践（如Hadoop生态、日志与事件数据分析）而普及，用来表达“灵活性更高，但对管理与一致性要求更强”的数据策略。

相关词 Related Words

• Schema-on-write
• Data Lake
• Data Warehouse
• ETL
• ELT
• Metadata
• Data Governance
• Partition
• Serialization
• Parquet

文学与著作 Literary Works

• Designing Data-Intensive Applications（Martin Kleppmann）——讨论数据系统与数据建模取舍时常涉及schema策略与读/写时约束。
• Hadoop: The Definitive Guide（Tom White）——在Hadoop生态与数据处理方式的语境中常出现“读时解释结构”的实践表述。
• Streaming Systems（Tyler Akidau 等）——在事件数据、管道与数据一致性讨论中，会提到与schema演进、读取时解析相关的理念与实践。
• The Data Warehouse Toolkit（Ralph Kimball 等）——虽以传统数仓建模为主，但常被用作与数据湖/读时建模思路对照的经典参考。