数据仓库通过分层设计（ODS、DWD、DWS）实现清晰数据结构、血缘追踪等好处。概念模型描绘系统概念结构，逻辑模型细化功能和逻辑，物理模型关注技术实现。3层模型在大数据系统开发中起关键作用，促进业务与技术的有效沟通。
目的
数据模型就是数据组织和存储方法，它强调从业务、数据存取和使用角度合理存储数据。Linux的创始人Torvalds有一段关于“什么才是优秀程序员”的话：“烂程序员关心的是代码，好程序员关心的是数据结构和它们之间的关系”，最能够说明数据模型的重要性。
只有数据模型将数据有序的组织和存储起来之后，大数据才能得到高性能、低成本、高效率、高质量的使用。
性能：帮助我们快速查询所需要的数据，减少数据的I/O吞吐，提高使用数据的效率，如宽表。
成本：极大地减少不必要的数据冗余，也能实现计算结果复用，极大地降低存储和计算成本。
效率：在业务或系统发生变化时，可以保持稳定或很容易扩展，提高数据稳定性和连续性。
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。
数据模型能够促进业务与技术进行有效沟通，形成对主要业务定义和术语的统一认识，具有跨部门、中性的特征，可以表达和涵盖所有的业务。
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！
数据仓库分层的设计
为了实现以上目的，数据仓库一般要进行分层的设计，其能带来五大好处：
【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】：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】&#x
最低0.47元/天 解锁文章
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
