数仓实践：如何优雅的设计DWS层？

对于数仓的分层，大家最耳熟能详的就是基于OneData方法论的三层数仓划分，分别是：数据引入层（ODS，Operational Data Store）、数据公共层（CDM，Common Dimenions Model）和数据应用层（ADS，Application Data Store）。
​

当然，涉及到每一层具体该怎么建模，可能大家都有自己的理解。数据建模无疑是重中之重，如果我们把指标比作树上的果实，那么模型就好比是大树的躯干，想让果实结得好，必须让树干变得粗壮。
​

我们先来回想下，构建数据中台的初衷是什么：

• 没有可以复用的数据，
• 大家不得不使用原始数据进行清洗、加工和计算指标…

这根源就在于数据模型的无法复用，数据开发都是烟囱式的。所以要解决这个问题，就要搞清楚健壮的数据模型该如何设计。
​

常见的数仓分层设计思路

下图是数仓分层的逻辑架构图，大家不妨回忆一下数据模型的分层设计：
​