数据仓库的层级结构

数据仓库的层级结构

转载地址：
https://blog.csdn.net/gla10/article/details/73525708

一般常规的数据仓库层级结构可分为：ods、dw(默认为汇总数据层，也可在细分为dwd(明细)与dw(汇总)两层)、dm共三层；

ods层：称为接口层或近源数据层，表结构与源系统表结构高度相似，通常ods层主要做字段的筛选，枚举值转换，编码统一，异常&缺失数据处理等操作。

dw层：称为中间层，按主题建模（域->主题）的明细数据层，数据粒度与ods层一致。

dm层：称为数据集市层，集市层是按照业务主题、分主题构建出来的、面向特定部门或人员的数据集合。

维度建模源于Kimball提出的总线式的自下而上（DM-DW）的数据仓库架构。

特点：

模型结构简单，星型模型为主；
开发周期短，能够快速迭代；
维护成本较高；

范式建模源于Inmon提出的集线器的自上而下（EDW-DM）的数据仓库架构。

特点：

1.同一份数据只存放在一个地方，因此只能从一个地方获取，没有数据冗余，保证了数据一致性；

2.解耦（系统级与业务级），方便维护；

3.开发周期较长，开发成本较高；

当下的数据仓库模型架构设计中，dw层通常会采用范式建模，并且可以根据实际情况允许存在一些冗余。dm层通常会采用维度建模，因为采用维度建模构建出来的数据模型更加符合普通人的认知、易于被普通人所理解，从而有利于数据的推广使用