更新時間：2025-05-03 10:52:28
數(shù)倉開發(fā)
653數(shù)據分層是數(shù)據倉庫設計中十分重要的一個環(huán)節(jié)，優(yōu)秀的分層設計能夠讓整個數(shù)據體系更易理解和使用。而目前網絡中大部分可以被檢索到相關文章只是簡單地提及數(shù)據分層的設計，或缺少明確而詳細的說明，或缺少可落地實施的方案，或缺少具體的示例說明。
因此，本文將指出一種通用的數(shù)據倉庫分層方法，具體包含如下內容：
介紹數(shù)據分層的作用
提出一種通用的數(shù)據分層設計，以及分層設計的原則
舉出具體的例子說明
提出可落地的實踐意見
1數(shù)據分層
“為什么要進行數(shù)據分層？”
這應該是數(shù)據倉庫同學在設計數(shù)據分層時首先要被挑戰(zhàn)的問題，類似的問題可能會有很多，比如說“為什么要做數(shù)據倉庫？”、“為什么要做元數(shù)據管理？”、“為什么要做數(shù)據質量管理？”。當然，這里我們只聊一下為什么要做設計數(shù)據分層。
作為一名數(shù)據的規(guī)劃者，我們肯定希望自己的數(shù)據能夠有秩序地流轉，數(shù)據的整個生命周期能夠清晰明確被設計者和使用者感知到。直觀來講就是如下的左圖這般層次清晰、依賴關系直觀。
但是，大多數(shù)情況下，我們完成的數(shù)據體系卻是依賴復雜、層級混亂的。如下的右圖，在不知不覺的情況下，我們可能會做出一套表依賴結構混亂，甚至出現(xiàn)循環(huán)依賴的數(shù)據體系。
因此，我們需要一套行之有效的數(shù)據組織和管理方法來讓我們的數(shù)據體系更有序，這就是談到的數(shù)據分層。數(shù)據分層并不能解決所有的數(shù)據問題，但是，數(shù)據分層卻可以給我們帶來如下的好處：
清晰數(shù)據結構：每一個數(shù)據分層都有它的作用域和職責，在使用表的時候能更方便地定位和理解
減少重復開發(fā)：規(guī)范數(shù)據分層，開發(fā)一些通用的中間層數(shù)據，能夠減少極大的重復計算
統(tǒng)一數(shù)據口徑：通過數(shù)據分層，提供統(tǒng)一的數(shù)據出口，統(tǒng)一對外輸出的數(shù)據口徑
復雜問題簡單化：將一個復雜的任務分解成多個步驟來完成，每一層解決特定的問題
2一種通用的數(shù)據分層設計
為了滿足前面提到數(shù)據分層帶來的好處，我們將數(shù)據模型分為三層：數(shù)據運營層（?ODS ）、數(shù)據倉庫層（DW）和數(shù)據應用層（APP）。如下圖所示。簡單來講，我們可以理解為：**ODS層存放的是接入的原始數(shù)據，DW層是存放我們要重點設計的數(shù)據倉庫中間層數(shù)據，APP是面向業(yè)務定制的應用數(shù)據。**下面詳細介紹這三層的設計。
一、數(shù)據運營層：ODS（Operational Data Store）
“面向主題的”，數(shù)據運營層，也叫ODS層，是最接近數(shù)據源中數(shù)據的一層，數(shù)據源中的數(shù)據，經過抽取、洗凈、傳輸，也就說傳說中的 ETL 之后，裝入本層。本層的數(shù)據，總體上大多是按照源頭業(yè)務系統(tǒng)的分類方式而分類的。
一般來講，為了考慮后續(xù)可能需要追溯數(shù)據問題，因此對于這一層就不建議做過多的數(shù)據清洗工作，原封不動地接入原始數(shù)據即可，至于數(shù)據的去噪、去重、異常值處理等過程可以放在后面的DWD層來做。
二、數(shù)據倉庫層：DW（Data Warehouse）
數(shù)據倉庫層是我們在做數(shù)據倉庫時要核心設計的一層，在這里，從?ODS 層中獲得的數(shù)據按照主題建立各種數(shù)據模型。DW層又細分為 DWD（Data Warehouse Detail）層、DWM（Data WareHouse Middle）層和DWS（Data WareHouse Servce）層。
1、數(shù)據明細層：DWD（Data Warehouse Detail）
該層一般保持和ODS層一樣的數(shù)據粒度，并且提供一定的數(shù)據質量保證。同時，為了提高數(shù)據明細層的易用性，該層會采用一些維度退化手法，將維度退化至事實表中，減少事實表和維表的關聯(lián)。
另外，在該層也會做一部分的數(shù)據聚合，將相同主題的數(shù)據匯集到一張表中，提高數(shù)據的可用性，后文會舉例說明。
2、數(shù)據中間層：DWM（Data WareHouse Middle）
該層會在DWD層的數(shù)據基礎上，對數(shù)據做輕度的聚合操作，生成一系列的中間表，提升公共指標的復用性，減少重復加工。直觀來講，就是對通用的核心維度進行聚合操作，算出相應的統(tǒng)計指標。
3、數(shù)據服務層：DWS（Data WareHouse Servce）
又稱數(shù)據集市或寬表。按照業(yè)務劃分，如流量、訂單、用戶等，生成字段比較多的寬表，用于提供后續(xù)的業(yè)務查詢，OLAP分析，數(shù)據分發(fā)等。
一般來講，該層的數(shù)據表會相對比較少，一張表會涵蓋比較多的業(yè)務內容，由于其字段較多，因此一般也會稱該層的表為寬表。
在實際計算中，如果直接從DWD或者ODS計算出寬表的統(tǒng)計指標，會存在計算量太大并且維度太少的問題，因此一般的做法是，在DWM層先計算出多個小的中間表，然后再拼接成一張DWS的寬表。由于寬和窄的界限不易界定，也可以去掉DWM這一層，只留DWS層，將所有的數(shù)據在放在DWS亦可。
三、數(shù)據應用層：APP（Application）
在這里，主要是提供給數(shù)據產品和數(shù)據分析使用的數(shù)據，一般會存放在?ES、PostgreSql、Redis等系統(tǒng)中供線上系統(tǒng)使用，也可能會存在 Hive 或者 Druid 中供數(shù)據分析和數(shù)據挖掘使用。比如我們經常說的報表數(shù)據，一般就放在這里。
四、維表層（Dimension）
最后補充一個維表層，維表層主要包含兩部分數(shù)據：
高基數(shù)維度數(shù)據：一般是用戶資料表、商品資料表類似的資料表。數(shù)據量可能是千萬級或者上億級別。
低基數(shù)維度數(shù)據：一般是配置表，比如枚舉值對應的中文含義，或者日期維表。數(shù)據量可能是個位數(shù)或者幾千幾萬。
至此，我們講完了數(shù)據分層設計中每一層的含義，這里做一個總結便于理解，如下圖。
3舉個例子
趁熱打鐵，舉個栗子說明一下，如下圖，可以認為是一個電商網站的數(shù)據體系設計。我們暫且只關注用戶訪問日志這一部分數(shù)據。
在ODS層中，由于各端的開發(fā)團隊不同或者各種其它問題，用戶的訪問日志被分成了好幾張表上報到了我們的ODS層。
為了方便大家的使用，我們在DWD層做了一張用戶訪問行為天表，在這里，我們將PC網頁、H5、小程序和原生APP訪問日志匯聚到一張表里面，統(tǒng)一字段名，提升數(shù)據質量，這樣就有了一張可供大家方便使用的明細表了。
在DWM層，我們會從DWD層中選取業(yè)務關注的核心維度來做聚合操作，比如只保留人、商品、設備和頁面區(qū)域維度。類似的，我們這樣做了很多個DWM的中間表。
然后在DWS層，我們將一個人在整個網站中的行為數(shù)據放到一張表中，這就是我們的寬表了，有了這張表，就可以快速滿足大部分的通用型業(yè)務需求了。
最后，在APP應用層，根據需求從DWS層的一張或者多張表取出數(shù)據拼接成一張應用表即可。
備注：例子只是為了簡單地說明每一層的作用，并不是最合理的解決方案，大家辯證地看待即可。
4技術實踐
既然談到了數(shù)據分層，那不同的層次中會用到什么計算引擎和存儲系統(tǒng)呢，本節(jié)來簡單分享一下。數(shù)據層的存儲一般如下：
Data Source：數(shù)據源一般是業(yè)務庫和埋點，當然也會有第三方購買數(shù)據等多種數(shù)據來源方式。業(yè)務庫的存儲一般是Mysql 和 PostgreSql。
ODS 層：ODS 的數(shù)據量一般非常大，所以大多數(shù)公司會選擇存在HDFS上，即Hive或者Hbase，Hive居多。
DW 層：一般和 ODS 的存儲一致，但是為了滿足更多的需求，也會有存放在 PG 和 ES 中的情況。
APP 層：應用層的數(shù)據，一般都要求比較快的響應速度，因此一般是放在 Mysql、PG、Redis中。
計算引擎的話，可以簡單參考圖中所列就行。目前大數(shù)據相關的技術更新迭代比較快，本節(jié)所列僅為簡單參考。
5思考
思考和總結一下數(shù)據分層的原則是什么？為什么要這樣分層？每層之間的界限又是什么？我個人從這幾個角度來理解數(shù)據分層的劃分：
從對應用的支持來講，我們希望越靠上層次，越對應用友好。比如APP層，基本是完全為應用來設計的，很易懂，DWS層的話，相對來講就會有一點點理解成本，然后DWM和DWD層就比較難理解了，因為它的維度可能會比較多，而且一個需求可能要多張表經過很復雜的計算才能完成。
從能力范圍來講，我們希望80%需求由20%的表來支持。直接點講，就是大部分（80%以上）的需求，都用DWS的表來支持就行，DWS支持不了的，就用DWM和DWD的表來支持，這些都支持不了的極少一部分數(shù)據需要從原始日志中撈取。結合第一點來講的話就是：80%的需求，我們都希望以對應用很友好的方式來支持，而不是直接暴露給應用方原始日志。
從數(shù)據聚合程度來講，我們希望，越上層數(shù)據的聚合程度越高，看上面的例子即可，ODS和DWD的數(shù)據基本是原始日志的粒度，不做任何聚合操作，DWM做了輕度的聚合操作只保留了通用的維度，DWS做了更高的聚合操作，可能只保留一到兩個能表征當前描述主體的維度。從這個角度來看，我們又可以理解為我們是按照數(shù)據的聚合程度來劃分數(shù)據層次的。
比如，目前市面上很流行的帆軟公司的軟件——FineBI，功能算是前沿的，可做BI報表，內置了10+行業(yè)解決方案和幾十種可視化大屏模板demo，只需要直接把數(shù)據放入到模板中，馬上就可以生成數(shù)據，無需花費很多時間，很適合企業(yè)使用。
我們專注高端建站，小程序開發(fā)、軟件系統(tǒng)定制開發(fā)、BUG修復、物聯(lián)網開發(fā)、各類API接口對接開發(fā)等。十余年開發(fā)經驗，每一個項目承諾做到滿意為止，多一次對比，一定讓您多一份收獲！
