数据仓库：DWS层设计原则
文章目录
- 简介
- 数仓分层设计思路
- DWS层重要性
- DWS层设计原则
- DWS层设计流程
- 总结
简介
对于数仓的分层，想必大家都不陌生。基于OneData方法论的三层数仓划分：数据引入层（ODS，Operational Data Store）、数据公共层（CDM，Common Dimenions Model）和数据应用层（ADS，Application Data Store）早就深入人心。
当然啦，涉及到每一层具体该怎么开发、建模，可能大家都有自己的理解。
但好在大家对数据建模重要性的认识那都是一致的，如果我们把指标比作树上的果实，那么模型就好比是大树的躯干，想让果实结得好，必须让树干变得粗壮。
我们先来回想下，构建数据中台的初衷是什么：
- 缺少可以复用的数据
- 大家不得不使用原始数据进行清洗、加工和计算指标
- 大量重复代码的开发对资源的消耗
问题的根源就在于数据模型的无法复用，以及数据开发都是烟囱式的。所以要解决这个问题，就要搞清楚健壮的数据模型该如何设计。
数仓分层设计思路
下图是数仓分层的逻辑架构图&#x
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！