一、分层
Q1:什么是分层?
- 本质:规范化数据的处理流程。
- 实现:每一层在Hive中就是一个数据库。
Q2:为什么要分层?
- 清晰数据结构:每一个数据分层都有它的作用域,这样我们在使用表的时候能更方便地定位和理解。
- 数据血缘追踪:简单来讲可以这样理解,我们最终给业务诚信的是一能直接使用的张业务表,但是它的来源有很多,如果有一张来源表出问题了,我们希望能够快速准确地定位到问题,并清楚它的危害范围。
- 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。
- 把复杂问题简单化: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。
- 屏蔽原始数据的异常对业务的影响:不必改一次业务就需要重新接入数据
Q3:怎么分层?
-
ODS:原始数据层/操作数据层,最接近与原始数据的层次,数据基本与原始数据保持一致(数据备份)
-
DW:数据仓库层,实现数据的处理转换
-
DWD:实现ETL(数据清洗)
-
DWM:轻度聚合(数据聚合)
-
DWS:最终聚合(数据统计)
-
-
ADS/APP/DA:数据应用层
二、建模
Q1:什么是建模?
-
本质:决定了数据存储的方式,表的设计
Q2:为什么要建模?
-
大数据系统需要数据模型方法来帮助更好地组织和存储数据,以便在性能、成本、效率和质量之间取得最佳平衡。
-
性能:良好的数据模型能帮助我们快速查询所需要的数据,减少数据的I/O吞吐
-
成本:良好的数据模型能极大地减少不必要的数据冗余,也能实现计算结果复用,极大地降低大数据系统中的存储和计算成本
-
效率:良好的数据模型能极大地改善用户使用数据的体验,提高使用数据的效率
-
质量:良好的数据模型能改善数据统计口径的不一致性,减少数据计算错误的可能性
Q3:有哪些建模方法?
-
ER模型:从全企业的高度设计一个 3NF 【三范式】模型,用实体关系模型描述企业业务,满足业务需求的存储
-
维度模型:从分析决策的需求出发构建模型,为分析需求服务,重点关注用户如何更快速的完成需求分析,具有较好的大规模复杂查询的响应性能
-
Data Vault:ER 模型的衍生,基于主题概念将企业数据进行结构化组织,并引入了更进一步的范式处理来优化模型,以应对源系统变更的扩展性
-
Anchor:一个高度可扩展的模型,核心思想是所有的扩展知识添加而不是修改,因此将模型规范到 6NF,基本变成了 k-v 结构化模型
Q4:构建维度模型步骤?
-
1.选择业务过程:你要做什么?
-
2.声明粒度:你的分析基于什么样的颗粒度?
-
3.确认环境的维度:你的整体有哪些维度?
-
4.确认用于度量的事实:你要基于这些维度构建哪些指标?
Q5:具体的实施流程是什么?
- 1.需求调研:业务调研和数据调研
-
数据调研:数据的内容是什么
-
业务调研:明确分析整个业务实现的过程
-
-
2.划分主题域:面向业务将业务划分主题
-
3.构建维度总线矩阵:明确每个业务主题对应的维度关系
-
-
-
主题域:主题 时间维度 地区维度 工单主题 Y Y 回访主题 N Y 物料主题 Y N
-
-
-
-
4.明确指标统计:明确所有原生指标与衍生指标
-
工单主题:安装工单个数、维修工单个数……
-
回访主题:用户满意个数、不满意个数、服务态度不满意个数、技术能力不满意个数
-
-
5.定义事实与维度规范
-
分层规范
-
开发规范
-
-
6.代码开发