数据仓库分层的原因多维数据模型元数据技术

韩亚飞_yue31313_韩梦飞沙 QQ:313134555

数据仓库分层的原因

编号	要点	描述
1	提高效率	通过数据预处理提高效率，因为预处理，所以会存在冗余数据
2	应对变化	如果不分层而业务系统的业务规则发生变化，就会影响整个数据清洗过程，工作量巨大
3	逻辑清晰	通过分层管理来实现分步完成工作，这样每一层的处理逻辑就简单了

标准的数据仓库分层：

编号	分层	分层	描述
1	ods	临时存储层	它和源系统数据是同构的，而且这一层数据粒度是最细的，这层的表分为两种，一种是存储当前需要加载的数据，一种是用于存储处理完后的数据。
2	pdw	数据仓库层	它的数据是干净的数据，是一致的准确的，也就是清洗后的数据，它的数据一般都遵循数据库第三范式，数据粒度和ods的粒度相同，它会保存bi系统中所有历史数据
3	mid	数据集市层	它是面向主题组织数据的，通常是星状和雪花状数据，从数据粒度讲，它是轻度汇总级别的数据，已经不存在明细的数据了。
4	app	应用层	数据粒度高度汇总，倒不一定涵盖所有业务数据，只是mid层数据的一个子集。

ODS（临时存储层）、PDW（数据仓库层）、MID（数据集市层）、APP（应用层）

也可分三层：

操作型数据库（ODS），数据仓库（DW或EDW），数据集市（DM）

数据缓存层，核心数据层，分析应用层。

数据仓库

数据仓库可以理解为中间集成化数据管理的一个平台

数据仓库的存储并不需要存储所有原始数据，因为比如你存储冗长的文本数据完全没必要，但需要存储细节数据，因为需求是多变的，而且数据仓库是导入数据必须经过整理和转换使它面向主题，因为前台数据库的数据是基于oltp操作组织优化的，这些可能不适合做分析，面向主题的组织形式才有利于分析。

多维数据模型

多维数据模型就是说可以多维度交叉查询和细分，应用一般都是基于联机分析处理（online analytical process OLAP）

元数据

元数据，也叫解释性数据，或者数据字典，会记录数据仓库中模型的定义，各层级之间的映射关系，监控数据仓库的数据状态和etl的任务运行状态。一般通过元数据资料库来统一存储和管理元数据。

技术：

数据采集：采用Flume收集日志，采用Sqoop将RDBMS以及NoSQL中的数据同步到HDFS上

消息系统：可以加入Kafka防止数据丢失

实时计算：实时计算使用S