数据仓库

数据仓库

数据仓库是一个面向主题的（用户、商品）、集成的（多数据源）、相对稳定的（主查询、更新）、反映历史变化的数据集合，用于分析性报告和支持管理决策。

数据库
OLTP（On-Line Transaction Processing）：联机事务处理，对具体业务在数据库联机的日常操作，通常对少数记录进行查询、修改。用户较为关心操作的响应时间、数据的安全性、完整性和并发的支持用户数等问题。传统的数据库系统作为数据管理的主要手段，主要用于操作型处理。
数据仓库
OLAP（On-Line Analytical Processing）：叫联机分析处理，针对主题历史数据进行分析，支持管理决策

数据仓库分层
ODS层 （Operational Data Store）：原始数据层，原始数据存储，数据来源可能是通过Flume、Kafka、Sqoop导入
DWD层 （Data Warehouse Detail）：数仓明细层，清洗，去重、字典翻译、空值转化，日期格式化，调整压缩算法、存储格式等操作。
DWS层 （Data Warehouse Service）：数仓汇总层，也称主题表，以某维度为线索，组成跨主题的宽表。
ADS层（Application Data Store）：应用数据层 ，与需求对接。面向实际的数据需求，以DWD或者DWS层的数据为基础，组成的各种统计报表。
DIM层（Dictionary Data Market）：数据维度层，存储各层公用的维度数据。诸如省、市、县区域表、渠道列表、商品类目等表数据。
TEMP层（Temporary Data Layer）：临时层，存储一些中间计算结果。

1.存储格式
HIve的文件存储格式有四种：TEXTFILE 、SEQUENCEFILE、ORC、PARQUET，前面两种是行式存储，后面两种是列式存储。
行存
优点：相关的数据是一条记录，INSERT/UPDATE效率高
缺点：a)读取整行数据，有不必要的列读取。
b)列的数据类型不一致，不容易获得一个极高的压缩比，空间利用率不高
列存
优点：a)只查询相关列，SELECT效率高
b)对列压缩，节省储存空间和节省计算内存和CPU
c)任何列都可以作为索引
缺点：a)INSERT/UPDATE效率低 b)不适合扫描小量的数据
2.压缩
在ODS层，可以选gizp压缩，压缩算法的压缩比特别高，用以节省空间
在DWD、DWS中，可以选选择Snappy + (orc或者parquet)，期望的文件格式是解压和压缩速度快，用以提高查询效率

数据仓库分层实例
用户访问统计
1.ods层：flume、kafka、App埋点数据的原始数据存储，实时，离线
2.dwd层：在hive中按天分区T+1形式清洗数据，存储压缩
3.dws层：根据主题建宽表，根据事实表用户ID关联部门维表获取员工号，1-4
级部门code等，IP关联区域维表获取地区部，代表处，国家等
4.ads层：用户实际需要数据，从dws宽表中计算产品，子产品维度的uv，pv
或某区域的浏览量、访问量等
5.dim层：维表，部门表，员工表，区域表，产品表

数据仓库模型
星型模型：事实表+维度表等多表通过预先JOIN冗余到一张宽表里

根据主题建宽表，事实表用户ID关联部门维表获取员工号，1-4级部门code等，IP关联区域维表获取地区部，代表处，国家等，产品key关联产品维表获取产品信息、子产品信息等汇总为宽表

雪花模型：维表没有直接连接到事实表上，而是在计算的时候，维表join到事实表，雪花模型对星型模型的维表进一步层次化，形成一些局部的 " 层次 " 区域。比如将地域维表又分解为国家，省份，城市等维表。

计算商品的访问量，成交量等，事实表站点id关联品牌维表，获取品牌，平台，商品简称等，用户id关联商品表，获取商品信息及对应订单信息，在根据订单id关联订单金额表，获取此订单中的所有商品及金额，成交量等等。

比较
现在一般都是采用星型模型， 预先计算，提高性能，避免后续重复计算。CPU和内存的资源永远比磁盘空间宝贵的多。至于雪花模型，就是灵活，不需要太多的重复清洗，但是性能不如星型模型

欢迎使用Markdown编辑器

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

1. 全新的界面设计 ，将会带来全新的写作体验；
2. 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
3. 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
4. 全新的 KaTeX数学公式 语法；
5. 增加了支持甘特图的mermaid语法¹ 功能；
6. 增加了 多屏幕编辑 Markdown文章功能；
7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
8. 增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	'Isn't this fun?'	‘Isn’t this fun?’
Quotes	"Isn't this fun?"	“Isn’t this fun?”
Dashes	-- is en-dash, --- is em-dash	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to- HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。²

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma (n)=(n-1)!\forall n\in \mathbb{N}$ 是通过欧拉积分

$$\Gamma (z)={\int }_0^{\infty }{t}^{z-1}{e}^{-t}dt.$$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

• 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：

这将产生一个流程图。:

• 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

• 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

---

1. mermaid语法说明 ↩︎

2. 注脚的解释 ↩︎