了解数据入湖、数据消费等流程，熟悉数据提取方法，能够使用DISC数据湖调用数据，完成QBI建设，请举简单的例子说明

在数据湖（Data Lake）环境中，数据入湖（Data Ingestion）和数据消费（Data Consumption）是一个关键的工作流程。首先，我们来看看这两个过程：

**数据入湖（Data Ingestion）**:
假设你在一家电商公司，收集了用户购买行为的数据。你可以使用ETL（Extract, Transform, Load）工具将原始日志文件（如CSV或JSON）抽取出来，然后通过DISC（Data Integration Service for Cloud，一种云服务）将数据加载到数据湖中。例如，你可以使用DISC提供的API接口，调用`uploadDataToLake(fileUrl)`，将包含用户行为数据的文件上传到数据湖仓库（如HDFS或Amazon S3）。

**数据消费（Data Consumption）**:
当分析师想要分析这些数据时，他们可以使用QL（Query Language）查询数据湖。例如，在QBI（Quick BI）中，他们可能会编写SQL查询像 `SELECT * FROM user_purchases WHERE product_category = 'Electronics'` 来获取电子产品类别的销售情况。QBI会从数据湖中拉取数据，并生成报表或可视化结果。

**完整的例子**:

# 数据入湖（模拟）
from disc_sdk import DiscClient

client = DiscClient(your_access_key)
file_url = "s3://your_bucket/user_behavior.csv"
response = client.upload_data_to_lake(file_url)

# 数据消费（QBI调用）
import qbi_client

qbic = QbicClient(your_api_key)
query = """
SELECT date, COUNT(*) as purchase_count
FROM user_purchases
WHERE product_category = 'Electronics'
GROUP BY date;
"""
result_set = qbic.execute_query(query)

在这个例子中，首先使用DISC API上传用户行为数据，然后在QBI中运行SQL查询来分析电子产品的销售数据。