数据仓库模型分层

最新推荐文章于 2025-04-18 13:19:04 发布

lwmxa

最新推荐文章于 2025-04-18 13:19:04 发布

阅读量925

点赞数

分类专栏：数据仓库文章标签：数据仓库大数据

本文链接：https://blog.csdn.net/lwmxa/article/details/103796477

版权

本文详细探讨了数据仓库的模型分层，包括源系统、ODS、DW、BI等层次，阐述了各层的功能与作用，以及如何在大数据背景下进行有效数据整合和处理，以支持高效的数据分析和决策。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

层级	细分	建模方法	说明
ODS		和业务表保持结构一致	同步业务源数据到数仓
DW		实体关系模型类三范式和雪花模型建模	规划主题域、整合实体和关系；规范化表名、字段名、字段备注等；清洗脏数据；生成通用字典表（地理、时间等）；包含所有业务数据、历史数据
DM	dmd	维度建模（星型模型）	按照业务主题整合事实表和维度表；为了使用方便、明确，放弃雪花模型，以DW的实体和关系组合各种维度表的星型模型
	dm	计算模型	基于dmd层开发各种维度的计算指标，以聚合指标为主，也包含一些明细指标
	dm_long	长表模型	每一个主题只有一张表，汇总该主题下所有的数据指标；将指标信息维护在同一的维度字典表(dim_feature_info)中，提供统一管理、使用入口；适用于聚合指标比较多的主题，可以直接作为dm_wide层的唯一源表；在dm_wide更新速度跟不上时，直接作为源表支持APP层