為什么要給數(shù)據(jù)倉庫分層？每層具體的含義是什么？

因此，我們需要一套行之有效的數(shù)據(jù)組織和管理方法來讓我們的數(shù)據(jù)體系更有序，這就是談到的數(shù)據(jù)分層。數(shù)據(jù)分層并不能解決所有的數(shù)據(jù)問題，但是，數(shù)據(jù)分層卻可以給我們帶來如下的好處：
1）清晰數(shù)據(jù)結(jié)構(gòu)：每一個(gè)數(shù)據(jù)分層都有它的作用域和職責(zé)，在使用表的時(shí)候能更方便地定位和理解；
2）減少重復(fù)開發(fā)：規(guī)范數(shù)據(jù)分層，開發(fā)一些通用的中間層數(shù)據(jù)，能夠減少極大的重復(fù)計(jì)算；
3）統(tǒng)一數(shù)據(jù)口徑：通過數(shù)據(jù)分層，提供統(tǒng)一的數(shù)據(jù)出口，統(tǒng)一對(duì)外輸出的數(shù)據(jù)口徑；
4）復(fù)雜問題簡單化：將一個(gè)復(fù)雜的任務(wù)分解成多個(gè)步驟來完成，每一層解決特定的問題。

為了滿足前面提到好處，通常將數(shù)據(jù)模型分為三層：數(shù)據(jù)運(yùn)營層（ ODS ）、數(shù)據(jù)倉庫層（DW）和數(shù)據(jù)應(yīng)用層（APP）。簡單來講，我們可以理解為：ODS層存放的是接入的原始數(shù)據(jù)，DW層是存放我們要重點(diǎn)設(shè)計(jì)的數(shù)據(jù)倉庫中間層數(shù)據(jù)，APP是面向業(yè)務(wù)定制的應(yīng)用數(shù)據(jù)。下面詳細(xì)介紹這三層的設(shè)計(jì)。

數(shù)據(jù)模型的分層

1）源數(shù)據(jù)層（ODS）
此層數(shù)據(jù)無任何更改，直接沿用外圍系統(tǒng)數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)，不對(duì)外開放；為臨時(shí)存儲(chǔ)層，是接口數(shù)據(jù)的臨時(shí)存儲(chǔ)區(qū)域，為后一步的數(shù)據(jù)處理做準(zhǔn)備。

2）數(shù)據(jù)倉庫層（DW）
也稱為細(xì)節(jié)層，DW 層的數(shù)據(jù)應(yīng)該是一致的、準(zhǔn)確的、干凈的數(shù)據(jù)，即對(duì)源系統(tǒng)數(shù)據(jù)進(jìn)行了清洗（去除了雜質(zhì)）后的數(shù)據(jù)。

此層可以細(xì)分為三層：
明細(xì)層DWD（Data Warehouse Detail）：存儲(chǔ)明細(xì)數(shù)據(jù)，此數(shù)據(jù)是最細(xì)粒度的事實(shí)數(shù)據(jù)。該層一般保持和ODS層一樣的數(shù)據(jù)粒度，并且提供一定的數(shù)據(jù)質(zhì)量保證。同時(shí)，為了提高數(shù)據(jù)明細(xì)層的易用性，該層會(huì)采用一些維度退化手法，將維度退化至事實(shí)表中，減少事實(shí)表和維表的關(guān)聯(lián)。

中間層DWM（Data WareHouse Middle）：存儲(chǔ)中間數(shù)據(jù)，為數(shù)據(jù)統(tǒng)計(jì)需要?jiǎng)?chuàng)建的中間表數(shù)據(jù)，此數(shù)據(jù)一般是對(duì)多個(gè)維度的聚合數(shù)據(jù)，此層數(shù)據(jù)通常來源于DWD層的數(shù)據(jù)。

業(yè)務(wù)層DWS（Data WareHouse Service）：存儲(chǔ)寬表數(shù)據(jù)，此層數(shù)據(jù)是針對(duì)某個(gè)業(yè)務(wù)領(lǐng)域的聚合數(shù)據(jù)，業(yè)務(wù)層的數(shù)據(jù)通常來源與此層，為什么叫寬表，主要是為了業(yè)務(wù)層的需要在這一層將業(yè)務(wù)相關(guān)的所有數(shù)據(jù)統(tǒng)一匯集起來進(jìn)行存儲(chǔ)，方便業(yè)務(wù)層獲取。此層數(shù)據(jù)通常來源與DWD和DWM層的數(shù)據(jù)。

在實(shí)際計(jì)算中，如果直接從DWD或者ODS計(jì)算出寬表的統(tǒng)計(jì)指標(biāo)，會(huì)存在計(jì)算量太大并且維度太少的問題，因此一般的做法是，在DWM層先計(jì)算出多個(gè)小的中間表，然后再拼接成一張DWS的寬表。由于寬和窄的界限不易界定，也可以去掉DWM這一層，只留DWS層，將所有的數(shù)據(jù)在放在DWS亦可。

3）數(shù)據(jù)應(yīng)用層（DA 或 APP）
前端應(yīng)用直接讀取的數(shù)據(jù)源；根據(jù)報(bào)表、專題分析的需求而計(jì)算生成的數(shù)據(jù)。

4）維表層（Dimension）
最后補(bǔ)充一個(gè)維表層，維表層主要包含兩部分?jǐn)?shù)據(jù)：
A）高基數(shù)維度數(shù)據(jù)：一般是用戶資料表、商品資料表類似的資料表。數(shù)據(jù)量可能是千萬級(jí)或者上億級(jí)別。
B）低基數(shù)維度數(shù)據(jù)：一般是配置表，比如枚舉值對(duì)應(yīng)的中文含義，或者日期維表。數(shù)據(jù)量可能是個(gè)位數(shù)或者幾千幾萬。

（3）問題擴(kuò)展
數(shù)據(jù)倉庫系統(tǒng)架構(gòu)

上圖系統(tǒng)各部分的執(zhí)行流程是：
1）確定分析所依賴的源數(shù)據(jù)。
2）通過ETL將源數(shù)據(jù)采集到數(shù)據(jù)倉庫。
3）數(shù)據(jù)按照數(shù)據(jù)倉庫提供的主題結(jié)構(gòu)進(jìn)行存儲(chǔ)。
4）根據(jù)各部門的業(yè)務(wù)分析要求創(chuàng)建數(shù)據(jù)集市（數(shù)據(jù)倉庫的子集）。
5）決策分析、報(bào)表等應(yīng)用系統(tǒng)從數(shù)據(jù)倉庫查詢數(shù)據(jù)、分析數(shù)據(jù)。
6）用戶通過應(yīng)用系統(tǒng)查詢分析結(jié)果、報(bào)表。

（4）結(jié)合項(xiàng)目中使用

電商網(wǎng)站的數(shù)據(jù)體系設(shè)計(jì)
這里針對(duì)用戶訪問日志這一部分?jǐn)?shù)據(jù)進(jìn)行舉例說明:
在ODS層中，由于各端的開發(fā)團(tuán)隊(duì)不同或者各種其它問題，用戶的訪問日志被分成了好幾張表上報(bào)到了我們的ODS層。
為了方便大家的使用，我們?cè)贒WD層做了一張用戶訪問行為天表，在這里，我們將PC網(wǎng)頁、H5、小程序和原生APP訪問日志匯聚到一張表里面，統(tǒng)一字段名，提升數(shù)據(jù)質(zhì)量，這樣就有了一張可供大家方便使用的明細(xì)表了。
在DWM層，我們會(huì)從DWD層中選取業(yè)務(wù)關(guān)注的核心維度來做聚合操作，比如只保留人、商品、設(shè)備和頁面區(qū)域維度。類似的，我們這樣做很多個(gè)DWM的中間表。
然后在DWS層，我們將一個(gè)人在整個(gè)網(wǎng)站中的行為數(shù)據(jù)放到一張表中，這就是我們的寬表了，有了這張表，就可以快速滿足大部分的通用型業(yè)務(wù)需求了。
最后，在APP應(yīng)用層，根據(jù)需求從DWS層的一張或者多張表取出數(shù)據(jù)拼接成一張應(yīng)用表即可。

Spark處理數(shù)據(jù)的速度比Hive更快？原因是什么？

怎樣安裝Hive？本地和遠(yuǎn)程操作安裝區(qū)別在哪里

Redis、傳統(tǒng)數(shù)據(jù)庫、HBase以及Hive的區(qū)別

傳智教育python+大數(shù)據(jù)培訓(xùn)