数据仓库架构分层

1 数据仓库架构

数据仓库标准上可以分为四层：ODS（临时存储层）、PDW（数据仓库层）、DM（数 据集市层）、APP（应用层）。

1）ODS 层： 为临时存储层，是接口数据的临时存储区域，为后一步的数据处理做准备。一般来说 ODS 层的数据和源系统的数据是同构的，主要目的是简化后续数据加工处理的工作。从数据粒度上来说 ODS 层的数据粒度是最细的。ODS 层的表通常包括两类，一个用于存储当前 需要加载的数据，一个用于存储处理完后的历史数据。历史数据一般保存 3-6 个月后需要清 除，以节省空间。但不同的项目要区别对待，如果源系统的数据量不大，可以保留更长的时间，甚至全量保存；

2）PDW 层： 为数据仓库层，PDW 层的数据应该是一致的、准确的、干净的数据，即对源系统数据 进行了清洗（去除了杂质）后的数据。这一层的数据一般是遵循数据库第三范式的，其数据 粒度通常和 ODS 的粒度相同。在 PDW 层会保存 BI 系统中所有的历史数据，例如保存 10 年的数据。

3）DM 层： 为数据集市层，这层数据是面向主题来组织数据的，通常是星形或雪花结构的数据。从 数据粒度来说，这层的数据是轻度汇总级的数据，已经不存在明细数据了。从数据的时间跨 度来说，通常是 PDW 层的一部分，主要的目的是为了满足用户分析的需求，而从分析的角度来说，用户通常只需要分析近几年（如近三年的数据）的即可。从数据的广度来说，仍然 覆盖了所有业务数据。

4）APP 层： 为应用层，这层数据是完全为了满足具体的分析需求而构建的数据，也是星形或雪花结 构的数据。从数据粒度来说是高度汇总的数据。从数据的广度来说，则并不一定会覆盖所有 业务数据，而是 DM 层数据的一个真子集，从某种意义上来说是 DM 层数据的一个重复。 从极端情况来说，可以为每一张报表在 APP 层构建一个模型来支持，达到以空间换时间的 目的数据仓库的标准分层只是一个建议性质的标准，实际实施时需要根据实际情况确定数据 仓库的分层，不同类型的数据也可能采取不同的分层方法。

2 为什么要对数据仓库分层？

1）用空间换时间，通过大量的预处理来提升应用系统的用户体验（效率），因此数据 仓库会存在大量冗余的数据。

2）如果不分层的话，如果源业务系统的业务规则发生变化将会影响整个数据清洗过程， 工作量巨大。

3）通过数据分层管理可以简化数据清洗的过程，因为把原来一步的工作分到了多个步 骤去完成，相当于把一个复杂的工作拆成了多个简单的工作，把一个大的黑盒变成了一个白 盒，每一层的处理逻辑都相对简单和容易理解，这样我们比较容易保证每一个步骤的正确性， 当数据发生错误的时候，往往我们只需要局部调整某个步骤即可。