数据仓库分层

问题①：数据分层，ods,dws,dwd,ads每层的作用，分层的好处
问题②：数据仓库建模方法，维度建模分几种，各自的结构和特点
问题③结合自己工作谈一下数据分层和数据建模

1. ODS层是原数据层，未经过清洗和转换
2. dwd是数据明细层，经过清洗和转换的数据，使得数据更加规范
3. dws是数据汇总层，从dwd聚合而来，通常按照业务主题进行组织
4. ads是数据应用层，可以用于数据分析和用户报表
   分层的好处：首先，它实现了数据的隔离，让不同类型和阶段的数据在各自的层次中进行管理，这有助于保持数据处理的清晰性和有序性。其次，通过分层可以更有效地进行数据质量管理，在不同层次中针对性地清理、转换和验证数据，确保数据的准确性和可靠性。分层还能极大地增强系统的灵活性，当需要对某一层进行调整或扩展时，不会对其他层次产生过多影响，降低了系统的维护难度。同时，它也提升了数据的复用性，中间层的数据可以为多个业务场景和分析需求所用，避免重复劳动。模块化便于维护；提高查询效率；隔离数据便于数据管理；增强灵活性，可以对某一层进行修改和扩展。
   问题②：数据仓库建模方法，维度建模分几种，各自的结构和特点
   维度建模分为三种，星型建模，最基本的维度模型，由一个中心的事实表和围绕它的多个维度表组成
   星座建模，包含多个事实表和公共的维度表，支持业务复杂的场景，但维护难度大
   雪花建模：是星型模型的变体，将某些维度表进行了规范化，形成了层次化的结构。特点是数据冗余少，存储空间利用率高，但查询性能相对较差，需要更多的表连接操作。