数据仓库分层模型_数据仓库分层4层模型

1.为什么分层?

1.空间换时间

2.便于计算

3.逻辑清晰

2.分层划分

业务数据库(mysql,mongdb,oracle数据源)===>也叫src层

ODS（可操作数据层）

DW（数据仓库层）

DWD层 （数据明细层）

    负责数据的最细粒度的数据

    经过了ODS层清洗（去空），去重，去燥，去除大于或者小于一定阈值的明细数据。

DWM层 （数据中间层）

      在DWD层基础上，进行轻度汇总，结合常用维度（时间，地点，组织层级，用户，商品等）

DWS层（数据汇总层）宽表

    面向主题的汇总，维度相对来说比较少

   高度聚合的指标

    电商为例，以人这个主题。人（用户）：当前人登录次数，浏览次数，购买次数，访问频度等。

DAS（数据应用服务层）

    业务主题，提供业务应用的数据准备。

BDM 层（源数据层）：缓冲数据，源数据的直接映射         

FDM 层（对 BDM 源数据层的数据进行清洗和预处理）：基础数据层，数据拉链处理、分区处理    GDM 层（对 FDM 层数据 进行统计一些指标数据）：通用聚合

ADM 层（对 GDM 层指标数据 进行指标数据的业务汇总分析）：高度聚合

2.Hive（十）Hive性能调优总结

Hive（十）Hive性能调优总结 - Frankdeng - 博客园

Hive调优（语法与参数层面优化）_吃果冻不吐果冻皮-CSDN博客

3.数据仓库分层实现

基于大数据的数据仓库分层实现 - CXY的大数据实践田

详解大数据数据仓库分层架构_慕课手记

4.数仓建模

数据仓库之数据模型 – lxw的大数据田地

2.1为什么分层

为什么要分层？

• 清晰数据结构：每一个数据分层都有它的作用域，这样我们在使用表的时候能更方便地定位和理解。
• 数据血缘追踪：简单来讲可以这样理解，我们最终给业务诚信的是一能直接使用的张业务表，但是它的来源有很多，如果有一张来源表出问题了，我们希望能够快速准确地定位到问题，并清楚它的危害范围。
• 减少重复开发：规范数据分层，开发一些通用的中间层数据，能够减少极大的重复计算。
• 把复杂问题简单化。讲一个复杂的任务分解成多个步骤来完成，每一层只处理单一的步骤，比较简单和容易理解。而且便于维护数据的准确性，当数据出现问题之后，可以不用修复所有的数据，只需要从有问题的步骤开始修复。
• 屏蔽原始数据的异常。
• 屏蔽业务的影响，不必改一次业务就需要重新接入数据。

ODS层

ODS（Operational Data Store）操作数据存储

是最接近数据源中数据的一层，数据源中的数据，经过抽取、洗净、传输，也就说传说中的ETL之后，装入本层；一般来说ODS层的数据和源系统的数据是同构的，主要目的是简化后续数据加工处理的工作。从数据粒度上来说ODS层的数据粒度是最细的。

ODS层的表通常包括两类，一个用于存储当前需要加载的数据，一个用于存储处理完后的历史数据。

历史数据一般保存3-6个月后需要清除，以节省空间。但不同的项目要区别对待，如果源系统的数据量不大，可以保留更长的时间，甚至全量保存；

数据在装入本层前需要做以下工作：

• 去噪（例如去掉明显偏离正常水平的银行刷卡信息）
• 去重（例如银行账户信息、公安局人口信息中均含有人的姓名，但是只保留一份即可）
• 提脏（例如有的人的银行卡被盗刷，在十分钟内同时有两笔分别在中国和日本的刷卡信息，这便是脏数据）
• 业务提取
• 单位统一
• 砍字段（例如用于支撑前端系统工作，但是在数据挖掘中不需要的字段）
• 业务判别

DW层

数据仓库层(DW)，是数据仓库的主体

通常按照主题建立各种数据模型，如：星形或雪花结构等；

有关维度建模的方法及星型、雪花模型等请参考《维度建模法》

在PDW层会保存BI系统中所有的历史数据，例如保存10年的数据。

DM层

数据集市层（DM）date market，又称DWS, data warehouse service或主题层，存放的是轻度聚合的数据。

通常根据业务需求，划分成流量、订单、用户等，生成字段比较多的宽表，用于提供后续的业务查询，OLAP分析，数据分发等。

从数据粒度来说，这层的数据是轻度汇总级的数据，已经不存在明细数据了。从数据的时间跨度来说，通常是DW层的一部分，主要的目的是为了满足用户分析的需求，而从分析的角度来说，用户通常只需要分析近几年（如近三年的数据）的即可。从数据的广度来说，仍然覆盖了所有业务数据。

APP层

数据产品层（APP），这一层是提供为数据产品使用的结果数据。

从数据粒度来说是高度汇总的数据。从数据的广度来说，则并不一定会覆盖所有业务数据。从极端情况来说，可以为每一张报表在APP层构建一个模型来支持，达到以空间换时间的目的。

应用层是根据业务需要，由前面三层数据统计而出的结果，可以直接提供查询展现，或导入至Mysql中使用。

需要一个管理元数据信息的系统 能够提供方便的元数据的操作和查询操作

主要是提供给数据产品和数据分析使用的数据，一般会存放在es、mysql等系统中供线上系统使用，也可能会存在Hive或者Druid中供数据分析和数据挖掘使用

我们经常说的报表数据，或者说那种大宽表，一般就放在这里

数据仓库的标准分层只是一个建议性质的标准，实际实施时需要根据实际情况确定数据仓库的分层，不同类型的数据也可能采取不同的分层方法。

三层模型

Buffer数据缓存层

用于存放接口方提供的原始数据的数据库层，此层的表结构与源数据保持基本一致，数据存放时间根据数据量大小和项目情况而定，如果数据量较大，可以只存近期数据，将历史数据进行备份。此层的目的在于数据的中转和备份。

其它两次与四层模型类似，只是把更多逻辑放在了DW层里