数据仓库设计方案
一.概述
数据仓库的特征在于面向主题、集成性、稳定性和时变性,用于支持管理决策。数据仓库的存在的意义在于对企业的所有数据进行汇总,为企业各个部门提供统一的、规范的数据出口。数据仓库在构建过程中通常都需要进行分层处理。业务不同,分层的技术处理手段也不同。数仓分层的主要原因:
- 清晰数据结构
每一个数据分层都有它的作用域,这样在使用表的时候能更方便的定位和理解。 - 数据血缘追踪
由于最终给业务呈现的是一个能直接使用的业务表,但是表的数据来源有很多,如果有一张来源表出问题了,我们希望能够快速准确的定位到问题,并清楚他的危害范围。 - 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。 - 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。
二.数据仓库分层设计
常见的数据仓库分为ODS操作数据存储层、DW数据仓库层和DM数据集市层三层,其中DW层又分为DWD层和DWS层。数据仓库分层结构见下图:
![](https://i-blog.csdnimg.cn/blog_migrate/a2833571243500f6598caf7deb2f5687.png)
2.1 ODS层
ODS层中的数据全部来自于业务数据库,ODS层的表格也业务数据库中的表格一一对应,就是将业务数据库中的表格在数据仓库的底层重新建立一次,数据与结构完全一致。
由于业务数据库(OLTP)基本按照ER实体模型建模,因此ODS层中的建模方式也是ER实体模型。
2.2 DW层
DWD层要做的就是将数据清理、整合、规范化、脏数据、垃圾数据、规范不一致的、状态定义不一致的、命名不规范的数据都会被处理。DWD层应该是覆盖所有系统的、完整的、干净的、具有一致性的数据层。在DWD层会根据维度模型,设计事实表和维度表,也就是说DWD层是一个非常规范的、高质量的、可信的数据明细层。
DWS层为公共汇总层,会进行轻度汇总,粒度比明细数据稍粗,基于DWD层上的基础数据,整合汇总成分析某一个主题域的服务数据,一般是宽表。DWS层应覆盖80%的应用场景。
2.3 DM层
DM层为数据集市层,面向特定主题。在DM层完成报表或者指标的统计,DM层已经不包含明细数据,是粗粒度的汇总数据。DM层是针对某一个业务领域建立模型,具体用户(一般为决策层)查看DM层生成的报表。
三.维度模型
维度建模的理论由 Ralph Kimball 提出,他提出将数据仓库中的表划分为事实表和维度表两种类型。维度建模源自数据集市,主要面向分析场景。维度建模是面向分析场景而生,针对分析场景构建数仓模型;重点关注快速、灵活的解决分析需求,同时能够提供大规模数据的快速响应性能。针对性强,主要应用于数据仓库构建和OLAP引擎底层数据模型。
“事实表”,用来存储事实的度量(measure)及指向各个维的外键值。“维度表”, 用来保存该维的元数据,即维的描述信息,包括维的层次及成员类别等。
简单的说,维度表就是你观察该事物的角度(维度),事实表就是你要关注的内容。例如用户使用滴滴打车,那么打车这件事就可以转化为一个事实表,即打车订单事实表,然后用户对应一张用户维度表,司机对应一张司机维度表。
![](https://i-blog.csdnimg.cn/blog_migrate/31520495b926a21c32f575789d836039.png)
3.1 事实表
在现实世界中,每一个操作型事件,基本都是发生在实体之间的,伴随着这种操作事件的发生,会产生可度量的值,而这个过程就产生了一个事实表,存储了每一个可度量的事件。
发生在现实世界中的操作性事件所产生的可度量数值,存储在事实表中。从最低的粒度级别来看,事实表行对应一个度量事件,反之亦然。因此,事实表的设计完全依赖于物理活动,不受可能产生的最终报表的影响。除数字度量外,事实表总是包含外键,用于关联与之相关的维度,也包含可选的退化维度键和日期/时间戳。查询请求的主要目标是基于事实表展开计算和聚集操作。
事实表往往包含三个重要元素:
- 维度表外键
- 度量数据
- 事件描述信息
例如在电商场景中的一次购买事件,涉及主体包括客户、商品、商家,产生的可度量值包括商品数量、金额、件数等。
![](https://i-blog.csdnimg.cn/blog_migrate/456862fbf10dcff6e0e01c2c9d2ebcfc.png)
3.2 维度表
每个维度表都包含单一的主键列。维度表的主键可以作为与之关联的任何事实表的外键,当然,维度表行的描述环境应与事实表行完全对应。维度表通常比较宽,是扁平型非规范表,包含大量的低粒度的文本属性。
比如商品,单一主键为商品ID,属性包括产地、颜色、材质、尺寸、单价等,但并非属性一定是文本,比如单价、尺寸,均为数值型描述性的,日常主要的维度抽象包括:时间维度表、地理区域维度表等。
![](https://i-blog.csdnimg.cn/blog_migrate/5ab07a8460dea518beb740e6a75239d8.png)
综上所述,如果针对用户的下单行为(单一商品)进行维度建模,可以得到如下模型:
![](https://i-blog.csdnimg.cn/blog_migrate/8e33426628b254c32f2eeb346e785e62.jpeg)
四.数据仓库规范
4.1 表名命名规范
为了让数据所有相关方对于表包含的信息有一个共同的认知。比如说属于哪一层(ODS、DW明细、DW汇总、DM)?哪个业务/部门?哪个维度(用户、车机设备)?哪个时间跨度(天、月、年、实时)?增量还是全量?
命名格式:层次_业务/部门_修饰/描述_范围/周期
![](https://i-blog.csdnimg.cn/blog_migrate/00a408c4f33936b9210eca795e0504a5.png)
数据仓库中表格的命名规范如下表所示:
数仓层次 | 周期/数据范围 | ||
公用维度 | dim | 日快照 | d |
DM层 | dm | 增量 | i |
ODS层 | ods | 周 | w |
DWD层 | dwd | 拉链表 | l |
DWS层 | dws | 非分区全量表 | a |