数据层库分型及每层建模思想

疯码牛Pro

于 2023-03-28 11:22:02 发布

阅读量217

点赞数

文章标签：数据仓库数据库数据挖掘

本文链接：https://blog.csdn.net/xuye0606/article/details/129809669

版权

ODS（操作数据存储）：在ODS层，数据主要是事务型数据，通常不使用维度建模或主题建模。例如，一个电商公司的ODS层可能包含用户下单、订单支付、商品发货等业务操作的原始数据。
DWD（数据仓库详细层）：在DWD层，数据仓库的建模主要采用维度建模。以销售数据为例，维度建模可以包括以下几个表：

事实表（Sales Fact）：包含度量（如销售额、订单数量）和键（如日期键、产品键、客户键等）。
维度表（如Date Dimension、Product Dimension、Customer Dimension等）：包含描述性属性（如日期维度的年、月、日，产品维度的名称、分类等）
DWS（数据仓库汇总层）：DWS层同样采用维度建模。以销售数据为例，DWS层可能包含按月汇总的销售事实表（Monthly Sales Summary Fact）和相应的维度表。与DWD层相比，DWS层的数据粒度较低，数据量也相对较小。
DWT（数据仓库主题层）：在DWT层，主题建模发挥重要作用。例如，一个零售公司可能有以下几个业务主题：销售分析、库存分析、客户分析等。在这一层，数据仓库可以同时采用维度建模和主题建模，以满足不同类型的分析需求。针对销售分析主题，可以使用与DWS层类似的维度建模方法，并根据分析需求对数据进行进一步的整合、汇总和聚合。

ADS（应用数据存储）：在ADS层，数据主要针对特定应用或报表进行定制。例如，针对销售报表需求，可以创建一个包含按月汇总的销售额、产品类别销售额、地区销售额等数据的表。ADS层可以根据实际需求选择维度建模或主题建模，以便为应用和报表提供所需的数据。

总之，在数据仓库分层中，维度建模和主题建模在不同的层次发挥作用。维度建模主要应用于DWD和DWS层，而主题建模主要应用于DWT层。根据实际需求，ADS层可以选择维度建模或主

关注