数仓的4中模型架构

前言：设计数据仓库的时候为什么要分层？

1. 把复杂问题简单化：将复杂的任务分解成多层来完成，每一层只处理简单任务，方便定位问题。
2. 减少重复开发：规范数据分层，通过中间层数据，能够减少大量的重复计算，增加一次计算结果的复用性。
3. 隔离原始数据：不论是数据的异常还是数据的敏感性，使真实数据与统计数据解耦开。

传统数据仓库一般分为四层模型

• ods 原始数据层 存放原始数据，保持原貌不做处理

• dwd 明细数据层 对ods层数据清洗（去除空值，脏数据，超过极限范围的数据）

• dws 数据汇总层 轻度聚合

• dm   数据集市层

• ads 数据应用层 ,例如报表、客户画像

补充：数据集市和数据仓库

数据集市（Data Market）：是一种微型的数据仓库，它通常有更少的数据，更少的主题区域，以及更少的历史数据，因此是部门级的，一般只能为某个局部范围内的管理人员服务。

数据仓库（Data Warehouse）：数据仓库是企业级的，能为整个企业各个部门的运行提供决策支持手段。