一篇文章搞懂数据仓库：数据仓库规范设计(1)

最新推荐文章于 2024-07-15 19:53:14 发布

2401_84166396

最新推荐文章于 2024-07-15 19:53:14 发布

阅读量492

点赞数 22

分类专栏：程序员文章标签：数据仓库 spark 大数据

本文链接：https://blog.csdn.net/2401_84166396/article/details/138347960

版权

程序员专栏收录该内容

183 篇文章 1 订阅

订阅专栏

二、设计规范 - 指标

===========

Step1：面向主题域管理

为了提高指标管理的效率，你需要按照业务线、主题域和业务过程三级目录方式管理指标。

Step2：划分原子指标和派生指标

原子指标 + 原子指标 = 派生指标

Step3：进行指标命名规范

需要遵循两个原则：易懂与统一

易懂，就是看到指标的名称，就可以基本判断这个指标归属于哪个业务过程；
统一，就是要确保派生指标和它继承的原子指标命名是一致的。

对于原子指标，标名称适合用“动作 + 度量”的命名方式（比如注册用户数、购买用户数）

对于派生指标，应该严格遵循“时间周期 + 统计粒度 + 修饰词 + 原子指标”的命名方式。（比如30天内黑卡会员购买用户数）

Step4：分级管理

指标确实是多，如果一视同仁去管理其实很难，所以可以按照下面的原则进行等级划分：

一级指标：数据中台直接产出，核心指标（提供给公司高层看的）、原子指标以及跨部门的派生指标。
二级指标：基于中台提供的原子指标，业务部门创建的派生指标。

三、命名规范 - 表命名

============

3.1 常规表

常规表是我们需要固化的表，是正式使用的表，是目前一段时间内需要去维护去完善的表。

规范：分层前缀[dwd|dws|ads|bi]_业务域_主题域_XXX_更新评率|全量/增量。

业务域、主题域我们都可以用词根的方式枚举清楚，不断完善，粒度也是同样的，主要的是时间粒度、日、月、年、周等，使用词根定义好简称。

例如: dwd_xxx_xxx_da

di ：每日增量
da：每日全量
mi：每月增量
ma：每月全量

3.2 中间表

中间表一般出现在Job中，是Job中临时存储的中间数据的表，中间表的作用域只限于当前Job执行过程中，Job一旦执行完成，该中间表的使命就完成了，是可以删除的（按照自己公司的场景自由选择，以前公司会保留几天的中间表数据，用来排查问题）。

规范：mid_table_name_[0~9|dim]

table_name是我们任务中目标表的名字，通常来说一个任务只有一个目标表。这里加上表名，是为了防止自由发挥的时候表名冲突，而末尾大家可以选择自由发挥，起一些有意义的名字，或者简单粗暴，使用数字代替，各有优劣吧，谨慎选择。通常会遇到需要补全维度的表，这里我喜欢使用dim结尾。中间表在创建时，请加上 ,如果要保留历史的中间表，可以加上日期或者时间戳

3.3 临时表

临时表是临时测试的表，是临时使用一次的表，就是暂时保存下数据看看，后续一般不再使用的表，是可以随时删除的表。

规范：tmp_xxx

只要加上tmp开头即可，其他名字随意，注意tmp开头的表不要用来实际使用，只是测试验证而已。

3.4 维度表

维度表是基于底层数据，抽象出来的描述类的表。维度表可以自动从底层表抽象出来，也可以手工来维护。

规范：dim_xxx

维度表，统一以dim开头，后面加上，对该指标的描述，可以自由发挥。

四、开发规范

======

1	表和列的注释释是否有缺失，复杂计算逻辑是否有注释释
2	任务是否支持多次重跑而输出不变，不能有insert into语句
3	分区表是否使用分区键过滤并且有有效裁剪
4	外连接的过逑条件是否使用正确，例如在左连接的where语句存在右表的过滤条件
5	关联小表，是否使用/+ map join / hint
6	不允许引用别的计算任务临时表
7	原则上不允许存在一个任务更新多个目标表
8	是否存在笞、迪卡尔积
9	禁止在代码里面使用drop 111ble、creat它111ble、renaiue 111ble、chan零column等ddl语句
10	使用动态分区时，有没有检查分区键值为NULL的情况
11	DQC质量监控规则是否配置，严禁棵奔
12	代码中有没有进行适当的规避数据倾斜语句
13	Where条件中is null语句有没有进行空字符串处理