由于近年来包括科研数据在内的大数据爆炸性增长,因此大型数据组织正在寻求创建新的数据存储体系架构和可扩展的存储平台,以有效应对新的数据管理挑战。这些数据管理挑战主要是需要保证来自多种格式的各种来源的数据的可用性。数据规模的变化导致了新的数据分析和管理体系结构的出现。尤其以数据湖为代表的新一代中央数据存储库解决方案,作为一种通用的数据存储环境,几乎可以存储任何类型的数据。还允许分析师和科学家将最合适的分析引擎和工具应用于每个原始数据集。本文着重于探索称为“数据湖”的数据存储体系结构如何与科学数据管理相结合,提升科学数据存储库的服务质量。首先,本文介绍传统数据仓库在处理数据范式最新变化方面的局限性。我们评估了目前主流使用的科学数据存储平台的能力边界,和根据数据存储组织确定的数据生命周期,判断当前的科学数据存储服务能否覆盖完整的数据生命周期中的全部需求。同时,从数据湖发展的角度上,讨论并比较了可用于开发数据湖的不同开源和商业平台,以及数据湖各层级功能的目前最新研究进展。然后,参照着科学数据服务中真实存在的需求,从数据生命周期,数据发现和获取,数据处理与分析等角度,尝试为科学数据存储构建一个数据湖原型,该原型使用Hadoop数据平台（HDP）上的分布式文件系统（HDFS）与Elastic Search检索工具和Spark数据处理工具相结合,来描述科学数据的数据湖设计和实现方法,为这些科学数据的生命周期内存在的真实需求提供恰当的解决方案。最后利用软件平台和工具实现了一个包含示例数据的数据湖开发实例,用于数据流的抽取,展示和多层流分析。这项研究可以为计划实施针对特定实例的数据湖解决方案的科学数据存储库提供参考。