数据仓库分层架构

Posted 大数据私房菜

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据仓库分层架构相关的知识,希望对你有一定的参考价值。


1

分层实现


  数据仓库一般分为三层,自上而下分别为数据贴源层(ODS,Operation Data Store)、数据公共层(CDM,Common Data Model)和数据应用层(ADS,Application Data Service)。


1
ODS


      贴源层,与业务库保持一致,不做任何处理

2
CDM层


        数据公共层CDM(Common Data Model,又称通用数据模型层),包括DIM维度表、DWD,DW和DWS,由ODS层数据加工而成。主要完成数据加工与整合,建立一致性的维度,构建可复用的面向分析和统计的明细事实表,以及汇总公共粒度的指标
  • 公共维度层(DIM):基于维度建模理念思想,建立企业一致性维度。降低数据计算口径和算法不统一风险。
         公共维度层的表通常也被称为逻辑维度表,维度和维度逻               辑表通常一一对应。
  • 明细粒度事实层(DWD):对数据进行规范化编码转换,清洗,统一格式,脱敏等,不做横向整合
  •      主题宽表层(DW) 对dwd各种信息进行整合,输出主题宽表(面       向业务过 程,不同业务过程的信息不冗余建设,采用外键形式)
  • 公共汇总粒度事实层(DWS):以分析的主题对象作为建模驱动,基于上层的应用和产品的指标需求,构建公共粒度的汇总指标事实表,以宽表化手段物理化模型。构建命名规范、口径一致的统计指标,为上层提供公共指标,建立汇总宽表、明细事实表。
            公共汇总粒度事实层的表通常也被称为汇总逻辑表,用于存放派生指标数据。

3
ADS层


        数据应用层ADS(Application Data Service):面向业务需求定制开发,存放数据产品个性化的统计指标数据。


2

逻辑分层架构


数据仓库分层架构


3

分层的好处


  1. 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。
  2. 数据血缘追踪:简单来讲可以这样理解,我们最终给业务呈现的是一张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。
  3. 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。
  4. 把复杂问题简单化:将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。











以上是关于数据仓库分层架构的主要内容,如果未能解决你的问题,请参考以下文章

数据仓库的分层架构设计

数据仓库架构分层

数据仓库的架构以及数据分层

详解大数据数据仓库分层架构

数据仓库分层架构

数据仓库的分层架构与演进