大数据项目之电商数仓-用户行为数据仓库

Posted 2021-06-27 _TIM_

数据仓库分层

• 把复杂问题简单化，把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
• 清晰的数据结构，每一层都有它的作用域，这样我们在使用表的时候能更方便的定位和理解。 便于维护数据的准确性，当数据出现问题的时候，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
• 减少重复开发，规范数据分层，通过中间层数据，能够减少极大的重复计算，增加一次计算结果的复用性
• 隔离原始数据，使得真是数据与统计数据接耦

分层结构图

• ODS层（原始数据层）
  原始数据层，存放原始数据，直接加载原始日志、数据，数据保持原貌不做处理。
• DWD层（明细数据层）
  结构和粒度与ODS层保持一致，对ODS层数据进行清洗（去除空值，脏数据，超过极限范围的数据），也有公司叫DWI。
• DWS层（服务数据层）
  以DWD为基础，进行轻度汇总。一般聚集到以用户当日，设备当日，商家当日，商品当日等等的粒度。在这层通常会有以某一个维度为线索，组成跨主题的宽表，比如，一个用户的当日的签到数、收藏数、评论数、抽奖数、订阅数、点赞数、浏览商品数、添加购物车数、下单数、支付数、退款数、点击广告数组成的多列表。
• ADS层（数据应用层）
  数据应用层，也有公司或书把这层命名为APP层、DAL层等。面向实际的数据需求，以DWD或者DWS层的数据为基础，组成的各种统计报表。统计结果最终同步到RDS以供BI或应用系统查询使用。

Hive运行引擎Tez

性能优于MapReduce，用Hive直接编写程序，假设有四个有依赖关系的MapReduce作业，绿色是Rgmallce Task，云状表示写屏蔽，需要将中间结果持久化写到HDFS。Tez可以将多个有依赖的作业转换为一个作业，这样只需写一次HDFS，且中间节点较少，从而大大提升DAG作业的性能。