数仓的架构模型

1）数仓的分层原则

好的数仓分层并不是为了分层而分层，没有最好的只有更合适的，要考虑对下游及整个链路的影响

好的分层架构的要求

• 清晰的数据结构
• 数据血缘的追踪
• 减少重复的开发
• 数据关系的条理化
• 屏蔽对原始数据的影响

数据仓库的分层

ODS -> DW->DM->APP

ODS:数据源层 - Oprational Data Store

本层为数据源层，考虑到以后对数据源的追溯问题，不对业务数据进行处理，保持原有的数据，对一些数据的处理，比如去重、过滤空值等都放到DW层进行处理

DW:数据仓库层 - Data Warehouse

本层是数据仓库的核心层，对ODS的数据进行分主题域建模等

• DWD - Data WareHouse Detail

数据明细层：

  - 保持和ODS的数据粒度，数据清理、整合、去重、规范化、脏数据状态定义不一致等
  - **维度退化，将维度表退化至事实表中，减少事实表和维度表的关联**
  - **将部分数据聚合，相同主题的数据整合到一张表中，提高数据的可用性**

• DWM - Data WareHouse Middle

数据中间层：

  - 对核心维度进行轻度聚合，形成可复用的中间表的一些字段指标
  - 形成的小的中间表可在DWS层中拼接成宽表
  - 此层可根据具体业务省略，直接从DWD层-》DWS层

• DWS - Data WareHouse Service

数据服务层：

  - 公共汇总层，进行轻粒度的汇总，粒度比DWM层粒度要粗一点
  - 形成宽表数据，又叫数据集市，可以覆盖80%的业务场景
  - 根据主题域的划分为宽表，此层字段会比较多，表会少一点

APP:数据应用层 - Application

提供数据给业务分析和数据产品使用

DM:维表层 - Dimension

如果维表过多，可以单独设计维表层

• 高基维度：一般为资料表，如果商品资料，用户资料表中，数据量较大（千万级，亿级）
• 低基维度：一般为配置表，千万级别，也有可能是个位数

2）主题域的划分原则

根据业务和业务过程划分（业务线）

业务： 业务模块，功能模块

业务过程：企业的活动事件，比如：下单 - 支付 - 退款等

按照数据域划分

指面向业务分析，将业务过程或者维度进行抽象的集合。其中，业务过 程可以概括为一个个不可拆分的行为事件，在业务过程下，可以定义指标，维度 是指度量的环境，如买家下单事件，买家是维度。为保障整个体系的生命力，数 据域是需要抽象提炼，并且长期维护和更新的，但不轻易变动。在划分数据域时， 既能涵盖当前所有的业务需求，又能在新业务进入时无影响地被包含进已有的数 据域中和扩展新的数据域

3）数据模型设计原则

• 高内聚低耦合：主题内部高内聚，主题之间低耦合
• 核心模型和扩展模型要分离：不能让扩展模型去影响核心模型
• 公共逻辑下沉及单一：像java的封装，不要让公共的逻辑暴露给应用层，抽取出来的公共层一定要单一
• 成本和性能平衡：适当的冗余可以增加查询性能，不可过度冗余和数据复制
• 数据回滚：处理逻辑不变，在不同时间多次运行数据结果确定不变