Data Fabric 和数据网格可以并存。Data Fabric 架构通过自动执行创建数据产品和管理数据产品生命周期所需的多种任务，提供实施和充分利用数据网格所需的功能。可以利用 Data Fabric 架构基础的灵活性实施数据网格，继续利用以用例为中心的数据架构，无论您的数据是位于本地还是云端。
阅读： Data Fabric 架构支持实施数据网格的三种途径
数据虚拟化是实现 Data Fabric 架构方法的技术之一。相比于使用标准的提取、转换、加载 (ETL) 流程将各种本地部署和云端数据源的数据实体地移动，数据虚拟化工具连接到不同的数据源，仅整合所需的元数据并创建一个虚拟数据层。使用户可以实时使用源数据。
持续累积的数据令组织难以获取信息。这些数据蕴藏着未知的洞察分析，从而导致知识缺口。
组织可以借助 Data Fabric 架构中的数据虚拟化功能，在不移动数据的情况下从源头获取数据，通过更迅速准确的查询帮助缩短实现价值的时间。
数据管理工具始于数据库，随着更复杂业务问题的出现，逐渐发展为涵盖各种云端和本地部署的数据仓库和数据湖。但是，企业始终受限于在性能和成本效率低下的数据仓库和数据湖中运行工作负载，并受制于其运行分析和 AI 用例的能力。
新开源技术的出现，以及减少数据重复和复杂 ETL 管道的需求， 催生了一种全新的架构方法，即湖仓一体。它具备 数据湖的灵活性、数据仓库的性能和结构，并共享元数据 和内置治理、访问控制和安全性。
但是，为了获取所有这些经过优化， 并由湖仓一体进行本地管理的数据，需要 Data Fabric 架构来简化数据管理，并在全球范围内强制执行访问。Data Fabric 架构 有助于通过自动化数据整合、嵌入治理和促进自助数据消费等方式，比存储库更好地发挥数据潜力、促进数据共享和推动数据倡议。
Data Fabric 架构是此类工具发展的下一步。凭借此架构，企业可以继续使用已投资的不同数据存储，同时简化数据管理。
