目录
一、分层目的
二、分层架构概览
三、详细分层设计
1.ODS (opreational data store)
2.DWD(data warehouse detail)
3.DIM（dimension）
4.DWS(data warehouse service)
5.ADS（Application Data Service）
一、分层目的
数仓分层的目的是：逐层解耦，减少重复计算，降低烟囱式开发。
越到底层，越接近业务发生的记录，越到顶层，越接近业务目标。
二、分层架构概览
三、详细分层设计
1.ODS (opreational data store)
- 存放未经过处理的原始数据至数据仓库系统，结构上与源系统保持一致，是数据仓库的数据准备区。
- 作用
- ①保持数据原貌不做任何修改，起到备份数据的作用
- ②数据采用压缩，减少磁盘存储空间
- ③创建分区表，防止后续的全表扫描
2.DWD(data warehouse detail)
DWD层是以业务过程为驱动，基于每个具体的业务过程特点，构建最细粒度的明细层事实表。
可以结合企业的数据使用特点，将明细事实表的某些重要维度属性字段做适当冗余，即宽表化处理。同时，为了提高数据明细层的易用性，该层会采用一些维度退化手法，将维度退化至事实表中，减少事实表和维表的关联,在该层也会做一部分的数据聚合，将相同主题的数据汇集到一张表中，提高数据的可用性。
维度建模一般按照以下5个步骤： 确定数据域→选择业务过程→声明粒度→确认维度→确定事实
（1）.确定数据域（Domain）
数据域划分就是对数据分类。而基于不同的目的，有不同的分类标准。
设计时注意点：
1.不重不漏，确保每个表都在一个域里，且只在一个域里（精确定位） 2.每个域下都可以根据需要再分子域，不限定层级（最自由方便） 3.如果分子域就不能放表，表只放在最底层的域中（树状目录管理时更方便） 4.最好保证每个域下的子域数量或表数量在20个左右（太多了不方便记忆管理，太少了没必要划分） 5.不好划分的可归类为【其它】（减少域层级数量有理由理解记忆） 6.数据团队分域可以作为分工的标准（数据不重复、分工明确、界限清晰） 7.数据团队分域后，可以决定域内表的中间命名（看到表名时可以理解更多信息）
示例：
交易域
（2）.选择业务过程
业务过程是一个不可拆分的行为事件
示例：
下单、支付、发货、确认收货
（3）.声明粒度
声明粒度意味着精确定义事实表中的一行数据表示什么，应该尽可能选择最小粒度，以此来应各种各样的需求。
示例：
订单当中的每个商品项作为下单事实表中的一行，粒度为每次。
（4）.确定维度
维度就是看事情的角度，5W1H(when、where、who、what、why、how)
示例：
时间维度、地区维度、用户维度、商品维度
（5）.确定事实
事实即业务中的度量值
示例：
订单金额、下单次数
dwd层主要做的事：
1.统一标准
字段格式命名统一，统一时间格式，单位统一
2.数据清洗
清洗掉脏数据，去除空值、过滤核心字段无意义的数据
3.维度退化
对业务数据传过来的表进行维度退化和降维。（商品一级二级三级、省市县、年月日）
3.DIM（dimension）
基于维度建模理念思想，建立整个企业的一致性维度。降低数据计算口径和算法不统一风险。
示例：
1.维度退化（雪花型退化成星型）
地区表和省份表退化为地区维度表，商品表、品类表、spu表、商品三级分类、商品二级分类、商品一级分类表退化为商品维度表，活动信息表和活动规则表退化为活动维度表。
2.缓慢变化维
直接覆盖原值、新增维度列（旧列、新列）、新增维度行拉链（2个时间戳 开始时间 结束时间）
4.DWS(data warehouse service)
DWS层会在DWD层的数据基础上，对数据做横向的连接，纵向轻度的聚合操作，生成一系列的中间表，提升公共指标的复用性，减少重复加工。
示例：
用户订单汇总表
用户id,商品id,当日订单数，当日退单数
5.ADS（Application Data Service）
存放数据产品个性化的统计指标数据。根据CDM与ODS层加工生成。
示例：
用户运营表
用户id,浏览次数，登陆次数，购买次数，退款次数，确认收货次数
