构建数据仓库

    构建数据仓库依赖的建模方法为维度建模。维度建模简单描述就是按照维度表，事实表来构建 数据仓库。事实就是一个度量单位，如浏览量，点赞量。维度就是上下文，如哪一天，谁，哪篇文章等。

   数据仓库分为如下几层：

数据应用层（ADS）
				汇总数据层（DWS）		公共维度层（DIM）
明细数据层（DWD）
		原始数据层（ODS）

1.原始数据层（ODS）

    原始数据层为业务侧原始数据备份。通常按照日期进行分区存放。原始数据进入本层一般需要 进行数据清洗，把不符合条件数据进行清理掉。如格式错误数据或者属性不全的数据清除。

2.明细数据层（DWD）

     明细数据层为原始数据层进行清洗，转换后的数据。

     数据明细层建模需要根据业务维度构建业务总线矩阵。根据业务总线矩阵进行表建立。

数据域	业务过程	维度				度量
		用户	时间	资源	文章
用户域	注册	√	√			次数1
	登录	√	√			次数1
互动域	点赞	√	√	√	√	次数1
	分享	√	√	√	√	次数1
	评论	√	√	√	√	次数1
使用域	页面访问	√	√			次数1
	资源点击	√	√			次数1

3.汇总数据层（DWS）

    汇总数据层为明细数据层聚合统计后的数据。

    汇总数据层数据建模需要根据业务需要。汇总数据层的指标分为：原子指标，派生指标和衍生指标。

 3.1 原子指标

    原子指标指的是基于业务过程的度量值，顾名思义是不可以在进行拆分的指标。

3.2 派生指标

   派生指标是基于原子指标的 关系为
    派生指标 = 原子指标 + 统计周期 + 业务+ 统计粒度

3.2 衍生指标

  衍生指标是在一个或多个派生指标的基础上，通过各种逻辑运算符合而成的。

4.数据应用层（ADS）

   数据应用层对应数据展示，为最终展示数据。