既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
+ [四、如何建设实时数仓](#_15)
+ - [4.1 实时数仓的整体的架构图](#41__18)
- [4.2 ODS层的建设](#42_ODS_27)
- [4.3 DW层的建设](#43_DW_33)
- [4.4 实时数仓维度数据建设](#44__41)
- [4.5 实时数仓维度的使用](#45__55)
- [4.6 实时数仓汇总层的建设](#46__57)
+ [五、仓库的质量保证](#_59)
一、前言
本文是学习Flink社区在B站的实时数仓篇第一节课程的总结,1. Flink 实时数仓的应用
讲师:黄伟伦(美团点评 数据系统研发工程师)。
二、实时数仓建设目的
三、实时数仓的应用场景
四、如何建设实时数仓
4.1 实时数仓的整体的架构图
- 数仓层次更少
尽量减少层次的划分,应用层数据直接写入应用数据库,仓库内不维护应用层。 - 多种数据源存储
实时数仓使用Kafka存储明细与数据汇总数据,Tair、Hbase等缓存存储维度数据。
4.2 ODS层的建设
- 数据来源尽可能统一
- 利用分区保证数据局部有序
4.3 DW层的建设
解决原始数据中数据存在噪声、不完整和数据形式不统一的情况。形成规范,统一的数据源。如果可能的化尽可能和离线保持一致。
除了数据本身我们会在每条数据上额外补充一些信息,应对实时数据生产环节的一些常见问题。
4.4 实时数仓维度数据建设
变化频率低的维度
可以通过离线仓库的维度数据,同步到缓存,或者通过公共服务提数据。通过维度服务查询,对用户屏蔽细节。
变化频率高的维度
- 通过维度数据的变化的消息构建拉链表
- 通过事实数据计算衍生维度构建拉链表
Tips:可以通过Hbase的MIN_VERSIONS方便的构建类似于拉链表的结构。
4.5 实时数仓维度的使用
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新**