Day16:数据仓库设计
- 知识点01：回顾
- 知识点02：目标
- 知识点03：数据仓库的功能与应用场景
- 知识点04：数据仓库的特点
- 知识点05：数据仓库核心流程
- 知识点06：指标设计
- 知识点07：维度设计
- 知识点08：建模：ER模型
- 知识点09：建模：维度模型
- 知识点10：事实表
- 知识点11：维度表：雪花模型
- 知识点12：维度表：星型/星座模型
- 知识点13：渐变维度
- 知识点14：分层设计
- 知识点15：常见层次
- 知识点16：分层案例
知识点01：回顾
Flume的功能和应用场景是什么？
- 功能：实现实时数据流的数据采集
- 应用：基于文件或者网络端口的实时数据采集
Flume中的Agent、Source、Channel、Sink分别是什么？
- Agent：每个agent就是一个独立的Flume程序
- Source：负责读取数据，动态监听数据源，将实时产生的数据封装为event，source将数据发送给Channel
- Channel：负责临时缓存数据
- Sink：负责读取Channel中的数据，将数据发送到目标地中
- Event：每一条数据对应一个Event对象
- header：存储KV
- body：数据的内容
如何开发一个Flume程序？
- step1：先开发配置文件：properties
- 定义Agent：名字、source、channel、sink
- 定义source：类型、属性
- 定义channel：类型、属性
- 定义sink：类型、属性
- step2：运行agent
- flume agent -c 配置文件目录 -f 运行的文件 -n agent名称
- step1：先开发配置文件：properties
exec source和taildir source的功能和特点分别是什么？
- exec：通过Linux命令来实现监听文件，动态采集文件中的变化的内容
- 特点：搭配tail -f 命令使用，只能监听单个文件
- taildir：动态监听多个文件
- exec：通过Linux命令来实现监听文件，动态采集文件中的变化的内容
file channel和memory channel的功能和特点分别是什么？
- file：性能相对慢、安全高、存储空间大
- 数据量大，性能要求不高
- mem：性能相对块、安全低、存储空间小
- 数据量小，性能要求高
- file：性能相对慢、安全高、存储空间大
HDFS sink的功能和应用场景是什么？
- 功能：将Flume采集的数据写入HDFS中
- 怎么设置文件大小：roll.size
- 怎么实现存储分区：通过添加时间标记
- 应用场景
- 用于实时数据采集到离线存储系统
- 代替Hive sink，实现数据仓库的数据采集
Sqoop的功能与应用场景？
- 功能：用于实现RDBMS与HDFS之间数据导入和导出
- 应用场景
- 数据同步：增量
- 数据迁移：全量
导入HDFS的常用选项有哪些？
- 命令：sqoop import
- 选项
- –connect：指定数据库连接地址
- –username：指定数据库用户名
- –password/–password-file
- –table
- –target-dir：指定写入的HDFS的目录
- –delete-target-dir
- -m/–num-mapper
- –column
- –where
- -e/–query：注意事项：必须加上where $CONDITIONS
- –fields-terminated-by
导入Hive的方式有几种？
方式一：直接导入
--hive-import --hive-database --hive-table- 原理
- step1：通过MapReduce将数据导入HDFS
- step2：通过load命令加载到表的目录中
- 原理
方式二：hcatalog导入
--hcatalog-database --hcatalog-table- 原理：直接获取了Hive元数据，使用表的目录作为MapReduce输出目录
增量导入的方式有几种？
- append
- 要求：必须有一列自增的int，通过判断上一次的值来实现追加导入
- 特点：只能导入新增的数据
- lastmodifield
- 要求：表中必须有一列时间列，时间随着数据的更新自动改变
- 特点：既能导入新增数据也能导入更新的数据
- 特殊方式：直接进行过滤采集
- 要求：每次运行的输出目录不能一样
- append
导出的选项有哪些？
- –export-dir
增量导出的方式有几种？
- updateonly：只能导出更新的数据
- allowerinsert：既能导出新增的数据，也能导出更新的数据
知识点02：目标
- 数据仓库中的核心设计：面试中常问
- 数据仓库的介绍
- 什么是数据仓库？数据仓库就是一个数据超市，将所有数据分类存放管理，加工，提供数据的应用
- 定义、功能、应用场景
- 特点
- 核心流程：ETL、分层、建模
- 数据仓库中的概念
- 维度：什么是维度？为什么使用维度？有哪些维度？
- 指标：什么是指标？功能是什么？有哪些指标？
- 大数据分析的需求：基于不同维度去分析各种指标
- 建模
- 什么是建模？
- 怎么建模？
- ER模型和维度模型
- 分层
- 什么是分层？
- 怎么分层？
- ODS、DW、DA
知识点03：数据仓库的功能与应用场景
目标：掌握数据仓库的功能与应用场景
路径
- step1：OLTP与OLAP
- step2：数据仓库功能
- step3：数据仓库应用
实施
- OLTP与OLAP
- OLTP：联机事务处理
- 场景：为了满足公司的买卖的业务场景，而给用户提供了注册、登录、订单等功能，为了实现这些功能而存储了数据
- 数据的使用者：用户
- 特点
- 业务性数据管理和存储
- 读写速度：快
- 满足事务性的需求
- 数据量相对较小
- 工具
- 一般选用关系型数据库来实现：MySQL、Oracle
- OLAP：联机分析处理
- 场景：为了满足运营决策的需求，将公司各种各样的数据，实现数据分析的管理
- 数据的使用者：运营、运维、领导层、数据分析师
- 特点
- 读写速度要求：按照一定时间周期进行处理，每个小时，每天
- 离线数据仓库：T+1
- 数据量：非常庞大
- 事务性的需求：不需要
- 读写速度要求：按照一定时间周期进行处理，每个小时，每天
- 工具
- 一般使用专业数据仓库工具来实现：Hive、GreepNum
- OLTP：联机事务处理
- 数据仓库功能
- 功能：为了满足OLAP场景下的数据管理需求
- 存储：管理
- 处理：将各种原始数据进行规范化的处理，提供给各个需求方
- 本质：是一种分布式、统一化的、规范化的数据管理的设计模型
- 功能：为了满足OLAP场景下的数据管理需求
- 数据仓库应用
- 应用场景：满足企业中所有数据的统一化存储，通过规范化的数据处理来实现企业的数据分析应用
- OLTP与OLAP
小结
- 数据仓库的功能与应用场景是什么？
- 功能：为了满足OLAP场景而实现的一种数据管理的设计模型
- 存储：实现各种数据统一化的存储
- 处理：将各种原始数据进行规范化的处理，提供数据的应用
- 应用：满足各种企业实现统一化和规范化的数据分析的应用
- 功能：为了满足OLAP场景而实现的一种数据管理的设计模型
- 数据仓库的功能与应用场景是什么？
知识点04：数据仓库的特点
目标：掌握数据仓库的核心特点
实施
面向主题：按照主题划分数据的应用需求
数据库：面向业务
- 人事部门：人事管理系统：人事数据库中
- 在职人员信息
- 离职人员信息
- 财务部门：财务管理系统：财务数据库中
- 支持数据表
- 收入数据表
- 盈利数据表
- 人事部门：人事管理系统：人事数据库中
数据仓库：面向主题的
数据仓库：公司中所有的数据全部通过数据采集或者数据同步进入数据仓库【超市 = 所有数据】
数据集市/主题域：一般都是按照部门划分【商品类别=数据类别】
- 销售数据集市 - 财务数据集市 - 人事数据集市 - 运维数据集市 - 运营数据集市数据主题：各个应用对应的主题【商品细分 = 应用类别】
订单主题 收入主题、支出主题、税务主题 在职人员主题、离职人员主题 应用日志主题、机器日志主题 来源分析主题、用户分析主题……
数据集成：存储整个公司所有数据，为公司所有数据的需求方提供数据
- 数据仓库本身不产生数据，也不使用数据
- 数据仓库会将整个公司采集到的所有数据源的数据进行存储，提供给各个数据的应用方
非易失/稳定性：按照数据仓库的业务需求，没有更新和删除的业务
- 更新：没有，如果修改了数据，修改了数据的真实性，分析的结果就不对了
- 删除：没有，工作中会出现删除老的历史数据，不会删除使用的数据
时变性/动态性：数据仓库中会按照时间记录时间发生变化的数据状态
- 数据仓库中的数据随着时间的变化会不断增加
- 变化状态：增加
小结
数据仓库的核心特点有哪些？
- 面向主题
- 数据集成
- 非易失
- 时变性
知识点05：数据仓库核心流程
目标：掌握数据仓库的核心实现流程
路径
- step1：ETL
- step2：分层
- step3：建模
实施
ETL
功能：Extract、Transform、Load：抽取、转换、加载，将原始数据根据需求进行处理，将处理好的数据再写入HDFS
阶段：两个阶段
数据生成
数据采集：第一个阶段是采集之后
采集：采集后的数据放在HDFS上
/nginx/log/source/2021-05-09/20210509.log- 数据不一定是标准的结构化格式
ETL：过滤、补全、转换
/nginx/log/etl/2021-05-09/20210509.log- 通过代码进行开发：MapReduce、SparkCore
入库：将ETL以后的每一天的数据作为Hive表的一个分区
数据存储：第二个阶段是数据仓库中
- ETL场景：数据本身就是结构化的，直接加载到Hive表中
- 实现：通过SQL来实现ETL
数据计算
数据应用
实现：过滤、转换、补全
过滤：将不需要的数据，或者非法的数据进行过滤
数据中有10个字段，发现一条数据只有1个字段
数据中重要的字段丢失：ip/userid/sessionId
转换：将原始数据格式变成我们想要的数据格式
解密：数据本来采集的时候是加密的，ETL时候实现解密操作
格式：18/Aug/2021:19:30:00 =》 2021-08-18 19:30:00
补全：需要使用的数据，但是原始数据中没有
通过解析IP地址：得到用户所在的位置：国家、省份、城市
通过时间信息：补全年、月、日、周、季度
分层
功能：规定数据在数据仓库中处理的步骤
实现：每一层就是一个数据库，不同层的数据表在不同的数据库中
建模
- 功能：决定了数据表如何构建
- 实现：ER建模、维度建模等
小结
- 数据仓库的核心流程有哪些？
- ETL：数据的过滤、转换、补全
- 分层：决定了数据在数据仓库中处理的步骤
- 建模：决定了如何建表
- 数据仓库的核心流程有哪些？
知识点06：指标设计
- 目标：掌握数据仓库业务中的指标
- 路径
- step1：指标的功能
- step2：常见基础指标
- 实施
- 指标的功能
- 概念：对数据统计分析得到的结果，就是指标，也称为指数【指标是通过数值来体现的】
- 功能：通过指标来衡量事实的结果，反映事实的好坏
- 大数据分析的目的：发现产品公司或者平台存在的问题，解决问题
- 指标：通过指标来发现问题
- 常见基础指标
- 每个行业的需求不同，指标也不同
- PV：page view，用于反映网页的访问量
- 字段：url
- 统计：count(url)
- UV：unique view：用于反映网站的用户访问量
- 字段：访客id，userid、uuid、guid
- 访客id：只要访问了，就有这个id
- 统计UV：统计访问人数
- 会员id：登陆了，就有会员id
- 统计登陆人数
- 会话id：与服务端构建了连接，服务端会分配Session Id
- 访客id：只要访问了，就有这个id
- 计算：count(distinct userid)
- 字段：访客id，userid、uuid、guid
- IP：用于反映IP的个数，IP可以反映用户群体的分布
- 字段：ip
- 计算：count(distinct ip)
- 跳出率：只访问了一个页面的会话个数 / 总的会话的个数
- 字段：sessionId
- 计算：PV等于1的Session个数 count(case pv = 1 else sessionId else null) / 总的会话个数 count(distinct sessionId)
- 越低代表用户粘性越高，平台的运营就越好
- 二跳率：访问了两个页面及以上的会话个数 / 总的会话个数
- 字段：sessionId
- 计算：PV大于1的Session个数 count(case pv > 1 else sessionId else null) / 总的会话个数 count(distinct sessionId)
- 平均访问时长：总的Session访问时间 / 总的session个数
- 字段：time，sessionId
- 计算：sum(访问最后一个页面的时间 - 访问第一个页面时间) / count(distinct sessionId)
- 指标的功能
- 小结
- 什么是指标？常见的指标有哪些？
- 指标：对数据统计分析的结果，就是指标，也叫作指数
- 作用：反映一个事实好坏
- 常见的指标：自己记住，不断的积累
- 自己回去学习常见的分析指标：神策，里面提供了非常多的各个行业分析指标
- PV、UV、IP、跳出率、二跳率、平均访问时间、访问次数、留存率……
- 教育：考勤分析、考试分析、报名转换率
- 电商：总订单个数、退款订单个数、总成交额、热门商品Top10
- 游戏：闯关率、等级平均升级时长、装备爆出率
- ……
- 什么是指标？常见的指标有哪些？
知识点07：维度设计
目标：掌握数据仓库中维度的设计
路径
- step1：维度的概念
- step2：维度的功能
- step3：常见维度
- step4：上钻与下卷
实施
- 维度的概念
- 用于描述事实的角度
- 大数据分析目的：发现问题，调整方案，支撑运营和决策的
- 指标：UV：100
- 描述：昨天的UV是1000，今天的UV是100
- 结果：是不好的，因为基于时间维度做了对比
- 指标如果不基于组合维度进行分析得到，这个指标是没有意义的
- 昨天的UV是1000，今天的UV是100
- 基于多个组合维度来看：时间 + 地区
- 地区维度
- 昨天的1000，是十个地区的结果，每个地区都有100个UV
- 今天的100，是1个地区的结果，这个地区只有100个UV
- 今天的100，是十个地区的结果，有1地区只有100个UV，其他九个地区都是0
- 地区维度
- 用于描述事实的角度
- 维度的功能
基于组合维度来更加细化我们的指标，来更加精确的发现问题
问题：去年营业额2000万、今年营业额：2000万【基于时间年维度】
目的：为什么今年营业额没有增长？
实现：发现问题
校区的问题
- 去年每个校区都是100万
- 统计今年每个校区的营业额【基于时间年+校区】
- 是否有个别校区拖后腿的，其他校区都在增长，而这个校区降低了
学科的问题
- 统计今天每个学科的营业额【基于时间年+学科】
每个月对应的营业额
- 常见维度
- 维度一般是固定的：很少发生变化
- 时间维度：年、季度、月、周、天、小时
- 地区维度：国家、省份、城市
- 平台维度：网站、APP、小程序、H5
- 操作系统维度：Windows、Mac OS、Android：IOS
- 校区维度
- 学科维度
- ……
- 下钻与上卷
- 下钻：当前基于一个大的维度进行分析，要下钻到一个更细的维度进行分析
- 先按年分析
- 然后按照小时分析
- 上卷：当前我的分析是基于一个小的维度的进行分析，要上卷到一个大的颗粒维度来进行分析
- 先按每个小时分析
- 然后按照每天分析
- 下钻：当前基于一个大的维度进行分析，要下钻到一个更细的维度进行分析
- 维度的概念
小结
什么是维度？常见的维度有哪些？
- 本质：用于描述事实的角度
- 功能：用于细化对指标事实的分析，更加精确发现对应的问题
- 常见
- 时间维度：年、季度、月、小时、天
- 地区维度
- 运营商维度
- 平台维度
- 来源渠道维度
- ……
实现：统计每天每个地区的UV
指标：UV，count(distinct userid)
维度：天、地区
实现
select 天，地区，count(distinct userid) as uv from table group by 天，地区;
知识点08：建模：ER模型
目标：了解ER模型的设计及构建过程
路径
- step1：ER模型的应用
- step2：ER模型的构建
实施
ER模型的应用
- 实体关系模型
- 一般应用于OLTP的关系型数据库系统来实现业务数据库的建模，实现满足业务的数据存储
- 思想：实现业务存储、通过外键构建数据关联关系、避免冗余存储，记录事件的产生
ER模型的构建
流程
- step1：找到所有实体，以及每个实体的属性
- step2：找到所有实体之间的关系
- step3：建表，每个实体与每个关系都是一张表
角色
- 实体、属性、关系
举个栗子
小明在商店买了一双800块的鞋
实体
小明：用户实体
用户id 用户name 用户age 手机 密码商店：店铺实体
店铺id 店铺名称 营业执照 经营范围 地址鞋：商品实体
商品id 商品名称 尺寸 颜色 价格
关系
订单：实体之间的购买关系
订单id 用户id 店铺id 商品id 订单价格 支付方式 ……
建表
- 实体：用户、商品、店铺
- 关系：订单
优点
- 符合数据库的设计规范，没有冗余数据，保证性能，业务的需求把握的比较全面
缺点
- 设计时候非常复杂，必须找到所有实体和关系，才能构建
小结
- 了解ER模型的应用及构建流程
知识点09：建模：维度模型
目标：掌握维度模型的设计及构建过程
路径
- step1：维度模型的应用
- step2：维度模型的构建
实施
维度模型的应用
- 一般应用于大数据的数据仓库的模型构建，用于通过不同维度来反映事情的好坏
维度模型的构建
角色
- 维度：基于不同维度下的指标的结果，看待指标的角度
- 事实：就是通过指标来反映事实
- 流程
- step1：构建所有维度
- step2：基于维度分析事实
举个栗子
小明在商店买了一双800块的鞋
维度
- 小明：用户维度
- 商店：店铺维度
- 鞋：商品维度
事实：指标【数值】
- 一双：衡量多少
- 800块：衡量贵或者便宜
维度表
- 一个维度可以有一张表，也可以有多张表
事实表
- 多个事实放在一张表中
时间维度 地区维度 平台维度 UV PV IP 跳出率 二跳率
小结
- 什么是维度模型？
- 基于不同维度实现统计分析各种指标事实，用于描述事实的结果
- 什么是维度模型？
知识点10：事实表
目标：了解事实指标值的分类及事实表的分类
路径
- step1：事实指标值的分类
- step2：事实表的分类
实施
事实指标值的分类
- 可累加类型：基于不同的维度和统计可以直接进行累加的值
- 举个栗子：PV
- 统计这个月每天的PV
- |
- 统计这个月的PV
- 举个栗子：PV
- 半可累加类型：在有一些维度下可以累加，在有一些维度下不可以累加
- 举例：银行余额
- 可以累加：账户维度
- 不可以累加：时间
- 举例：银行余额
- 不可累加类型：在任何维度下，指标的累加是没有意义的
- 举例：比例类型
- 空值：不建议产生空值，事实表中是不会出现空值
- 即使指标没有结果，也为0
- 可累加类型：基于不同的维度和统计可以直接进行累加的值
事实表的分类
事务事实表：原始的事务数据，业务数据
例如：订单信息表：记录每一条订单事实的信息
时间 订单id 商品id 订单价格…… 2021-01-01 12:00:00 2021-01-01 12:00:01 2021-01-01 12:00:01 ……- 大数据中就是原始业务数据
周期快照事实表：基于事务事实表按照一定的周期进行聚合
例如：订单统计表：统计得到每天的订单总个数和订单总金额
天 订单总个数 订单总金额 2020-01-01 1000 2000- 大数据中就是统计分析的结果表
累积快照事实表：事实的结果随着时间的变化而不断完善
例如：订单状态表
订单id 提交成功 支付成功 发货状态 收货状态 退货状态 order001 12:00:00 12:01:00
无事实事实表：特殊的事实表，无事实的事实表中没有度量值，只有多个维度外键，一般用于业务维度关联
举例栗子：可以统计分析哪些商品销售的比较好，商品销售量、销售总金额
需求：哪些商品在今天没有卖出？
无事实事实表中：记录所有上架的商品的信息
所有商品id
今天 商品id
订单事实表中：记录所有被销售的商品的信息
订单中的商品id
今天 订单id 商品id
小结
- 事实指标值分为哪几类？
- 可累加事实值
- 半可累加事实值
- 不可累加事实值
- 事实表分为哪几类？
- 事务事实表
- 周期快照事实表
- 累积快照事实表
- 无事实事实表
- 事实指标值分为哪几类？
知识点11：维度表：雪花模型
目标：了解维度模型中的雪花模型
路径
- step1：雪花模型的结构
- step2：雪花模型的构建
实施
雪花模型的结构
维度模型构建的方式：决定了维度表与事实表怎么关联
雪花模型：如果对于一个维度，它有子维度，将子维度关联在父维度上的
- 优点
- 减少数据冗余存储
- 缺点
- 每一次要想获取具体的数据，必须关联每一张子表，性能比较差
- 优点
雪花模型的构建
时间维度
- 事实表
时间维度id 地区维度 平台维度 UV IP PV4 11111
- 时间维度：B
时间维度id year：外键 month：外键 day :外键1 1 1 14 19 -1 -1
- 年维度表：B1
yearid yearvalue1 2000……10 200919 2020……100 2099月维度表
monthid month 1 01 …… 12 12天维度表
dayid dayvalue 1 1 …… 31 31地区维度
地区维度表
地区维度id 国家维度id 省份维度id 城市维度id国家维度表
省份维度表
城市维度表
小结
- 了解雪花模型的设计
知识点12：维度表：星型/星座模型
目标：掌握维度模型中星型模型和星座模型的设计
路径
- step1：星型模型的设计
- step2：星型模型的构建
- step3：星座模型
实施
星型模型的设计
- 所有维度表直接关联事实表，维度表不存在子表
- 优点
- 每次查询时候，直接获取对应的数据结果，不用关联其他的维度子表，可以提高性能
- 缺点
- 数据冗余度比较高
星型模型的构建
时间维度表
时间维度id year month day type 1 2020 01 01 day 2 2020 01 02 …… 4 2020 1 -1 month 5 2020 -1 -1 year地区维度表
地区维度id 国家 省份 城市 类型 1 中国 上海 浦东 市 2 中国 上海 徐汇 市 …… 10 中国 上海 -1 省 11 中国 -1 -1 国需求：统计基于基于时间维度下以及地区维度下的PV、UV、IP
- 事实表
时间维度id 地区维度id PV UV IP1 1 10 1 14 -1 1000 100 205 -1 1000 200 0
星座模型
- 星座模型：基于星型模型的演变，多个事实共同使用一个维度表
小结
- 什么是星型模型？
- 所有维度表直接关联事实表，维度表不存在子表，所有单类维度数据都在一个维度表中
- 什么是星座模型？
- 基于星型模型，多个事实共享维度表
- 什么是星型模型？
知识点13：渐变维度
目标：了解数据仓库中渐变维度数据的处理方案
路径
- step1：渐变维度问题
- step2：处理方案
实施
渐变维度问题
维度数据发生变化，如何处理发生变化的数据
举例
每个用户会对应一个工作地区，2019年在北京
2020搬到了三亚
- 现在是2020年，需要对2019年的北京的数据进行统计，这条数据是否参与统计？- 应不应该参加统计？ - 应该- 如果参与统计，数据中是没有的，无法统计，数据是如何存储的？处理方案
SCD1：通过更新维度记录直接覆盖已存在的值
当2020年对2019年对北京进行统计的时候，按照覆盖的机制，这个人没有北京的记录，不会被统计
结果不准确了
SCD2：构建拉链表，根据不同的时间来标记这一列不同的状态
- 记录这个用户的所有状态的变化
| 用户id | 所在的地区 | 时间标记：start | 时间标记：end |
| ------ | ---------- | --------------- | ------------- |
| 1001 | beijing | 2018-01-01 | 2020-01-01 |
| 1001 | sanya | 2020-01-01 | 2021-01-01 |
| 1001 | meiguo | 2021-01-01 | 9999-12-31 |工作中的需求是可以指定日期查询对应的状态
where starttime >= 2019 and end < 2020
默认应该处理最新的状态：通过9999-12-31，来标记这是最新的状态
- where endtime = 9999-12-31
SCD3：通过增加列的方式来记录每个状态
用户id 工作城市1 工作城市2 10001 beijing sanya - 不能满足需求，一般不用
小结
- 重点了解拉链表的处理方案
知识点14：分层设计
- 目标：了解分层的设计
- 实施
目的
- 决定数据在数据仓库中处理的流程
- 数据从进入到被应用，总共经过哪些步骤
- 决定数据在数据仓库中处理的流程
实现
- 每一层在HIve中就是一个数据库而言，每一层的表放在对应的数据库中
架构
- 原始数据层
- 名称：ODS，原始数据层或者操作数据层
- 功能：用于存储最原始的数据
- 数据仓库层
- 名称：DW：DWD、DWM、DWS，专门用于实现原始数据的处理和加工转换的
- 功能：实现原始数据的转换处理
- 数据应用层
- 名称：DA/APP/ADS，存储最终要被使用的数据的
- 功能：存储结果
- 原始数据层
小结
- 分层的目的是什么？
- 规范化的决定了数据在数据仓库中处理的步骤流程
- 分层的目的是什么？
知识点15：常见层次
- 目标：掌握数据仓库常用的层级及每个层级的功能
- 实施
- 每个公司的分层都不一样，常见的层次要记住功能
- ODS：原始数据层
- 专门用于存储原始数据的，数据与原始的业务数据是一致的
- DWD：详细数据层
- 一般用于将ODS的结果进行ETL处理，存储在DWD层中
- DWM：中间数据层
- 用于对DWD层的数据进行轻量级的通用性的处理和聚合的
- 一般看业务需求，如果简单的业务，一般不需要DWM层
- DWS/DM：汇总数据层/数据集市层
- 用于实现最终所有维度的指标的聚合分析，不同的部门需要的数据进行单独的划分
- APP/DA/ADS：数据应用层
- 用于存储最后应用的结果
- DIM：维度数据层
- 用于存储维度表的数据
- 有的公司的维度表时放在数据仓库Hive中，有的公司的维度表是在MySQL中
- TMP：临时数据层
- 一般用于存储一些临时数据表
- 小结
- 常见的层次有哪些？
- ODS
- DWD
- DWM
- DWS
- APP
- DIM
- TMP
- 常见的层次有哪些？
知识点16：分层案例
目标：理解案例中分层设计的实现
实施
- 电商案例
- 斗鱼案例
美团数仓设计
- https://tech.meituan.com/2017/05/26/hotel-dw-layer-topic.html
携程数仓设计
- https://mp.weixin.qq.com/s/CfxNcMJIl6irunrTNTs25g
小结
- 了解基本分层的设计
Day16:数据仓库设计相关推荐
- 大数据：数据仓库设计
文章目录 数据仓库设计 一.数据仓库的功能和应用场景 1.OLTP:联机事务处理 2.OLAP:联机分析处理 3.数据仓库功能 4.数据仓库应用 二.数据仓库的特点 1.面向主题 2.数据集成 3.非 ...
- 6.数据仓库搭建之数据仓库设计
数据仓库搭建之数据仓库设计 1.数据仓库的分层规划 本项目的分层规划如下图所示: 对于原始数据层(ODS):该层我们存放的是未经处理的原始数据,结构上与源系统保持一致,这是数据仓库的数据准备区. 对于 ...
- 数据仓库设计--- 如何设计一个星型模型（示列）
数据仓库设计- 如何设计一个星型模型(示列) 现有关系型数据库中的表如下 Branch(branchNo, branchName, bStreetAddress, bCity) //分行表 LoanM ...
- 商务智能-第四章 数据仓库设计
Lecture4-Design of Data Warehouse 1. 数据仓库设计的由来 在事务型数据处理中需要作数据库设计,而在分析型数据处理中则需作数据仓库设计,这两者在原理上是一致的 因此, ...
- 《精通数据仓库设计》中英对照_第三章
<精通数据仓库设计>中英对照_第三章 第二部分 模型开发 数据仓库应该表示企业数据的各个方面,这些方面以主题域和业务数据模型开始.我们将在第3章使用一个假想的公司,指导一步一步地开发这两个 ...
- ★ 数据仓库设计的21条原则
使用Aosu易博通,一分钱不花,实现网文自动摘抄, 博客写作方便又快捷,和您现在看到的一样 !自主嵌入Google广告,还能赚取美金! 现在就下载 src="http://aosustudi ...
- 电信数据仓库设计的六个关键环节
数据仓库技术经过了十几年的发展,在理论与工程实践上都取得了显著的成果.国际上许多重要的学术会议,如超大型数据库国际会议(VLDB).数据工程国际会议(Data Engineering)等,都有大量专门 ...
- 马蜂窝数据仓库设计与实践
Part.1 马蜂窝数据仓库与数据中台 最近几年,数据中台概念的热度一直不减.2018 年起,马蜂窝也开始了自己的数据中台探索之路. 数据中台到底是什么?要不要建?和数据仓库有什么本质的区别?相信很多 ...
- 【数据仓库】数据仓库设计前如何粗估所需的存储空间大小？
设计数仓前,粗略估计其所占空间大小是非常重要的.只有估计出空间大小,才能确定数仓将要在什么粒度级别下进行设计.下图给出基本步骤: (1)确定数据仓库中将要创建的所有表 通常情况下,总是有一到两个非常大 ...
最新文章
- 网站一开启网站访问硬盘读取就变慢
- 我国近四成程序员单身 盘点各国IT从业者生存现状
- centos mate桌面_CentOS 7安装桌面汇总
- 图像增强之对比度拉伸
- 说一下朗数可视化快速开发平台
- 牛客练习赛15A-吉姆的运算式（Python正则表达式瞎搞）
- 输出结果为16的python表达式_第一周作业(rayco)
- docker 容器安装 vim 编辑器
- C语言图书管理系统设计报告
- excel和html互相转换,Excel2016与Html格式之间的互相转换
- 六句话，看完新造车的2021
- 【超图+CESIUM】【基础API使用示例】45、超图｜CESIUM - 点光源设置
- Nginx介绍及安装配置
- 全球与中国相机模组胶黏剂市场运营现状及投资可行性评估报告2022-2028年
- 外贸里面 LC TT DP DA BG 是什么
- Win11鼠标右键默认显示更多，保持跟Win10一致
- pc机之间的通信和点阵汉字的字模读取与显示
- 卡通动漫游戏人物网页模板_灰色 卡通 动漫 游戏 漂亮 精美 整站 斜纹 质感
- PCB实用设计3 | 二极管大全·尖刺·滤波·有意义的降压
- 什么是Cookie和Session？—— Cookie和Session的区别？—— 一文教你理解清楚什么是Cookie和Session，以及常见的开发面试问题？