数据仓库规范

不以规矩，不成方圆。
——《孟子·离娄章句上》

---

前言

介绍数据仓库开发全流程中可以遵循的各类规范，供各位小伙伴参考。持续优化中。

---

一、数仓规范总览

二、数仓规范各细则

（一）设计规范

设计规范主要包含模型报表开发过程中

1. 数据模型规范

（1）分层规范；
（2）各模型侧重点规范。

序号	数仓分层	分层中文解释	备注
1	ods	O层数据源	一般为业务关系型数据库备份库直接接入
2	dwd	D层事实表	一般是对某一事务进行数据清洗，关联维表，也可以进行维度退化
3	dim	维度表	记录维度数据，累全量保证当天维度唯一
4	dws	D层初步汇总表	对数据进行初步汇总，可以形成宽表给ads复用
5	ads	A层报表	根据需求对粒度和维度再次汇总，展示最终汇总统计的数据，是用户看到的表，需保证隐私问题没有敏感数据

2. 命名规范

（1）库命名规范；
（2）表命名规范；
（3）脚本文件名称规范。

后缀	后缀中文解释	表命名示例	中文命名示例
tf	事务事实表	dwd_sale_order_tf_dm	销售订单事务事实表
sf	快照事实表
ds	全量天表
dm	增量天表
ca	可加
xa	不可加
ma	半可加

3. 代码编写规范

（1）空格
（2）注释
（3）大小写

-- ################################################################
-- name    : dim_xxx_ds.sql
-- desc    : XXX维度表
-- version : aa_2.0.1
-- source  : ods_zzz;
-- create  : zhangliushi 20220101
-- modify  :
-- ################################################################

USE dim;
SET hive.auto.convert.join = true;
SET hive.exec.parallel = true;

-- XXX;
CREATE EXTERNAL TABLE IF NOT EXISTS dim.dim_xxx_ds
(
    etl_id                      STRING     COMMENT 'ETL代理ID'
   ,dept_code                   STRING     COMMENT '部门代码'
   ,first_dept                  STRING     COMMENT '一级部门'
   ,second_dept                 STRING     COMMENT '二级部门'
   ,third_dept                  STRING     COMMENT '三级部门'
   ,fourth_dept                 STRING     COMMENT '四级部门'
   ,fifth_dept                  STRING     COMMENT '五级部门'
   ,etl_time                    STRING     COMMENT 'ETL时间'
   ,standardized_first_dept     STRING     COMMENT '标准化一级部门'
   ,standardized_second_dept    STRING     COMMENT '标准化二级部门'
   ,standardized_third_dept     STRING     COMMENT '标准化三级部门'
   ,standardized_fourth_dept    STRING     COMMENT '标准化四级部门'
   ,standardized_fifth_dept     STRING     COMMENT '标准化五级部门'
   ,active_flag                 BOOLEAN    COMMENT '启用标志'
)
COMMENT 'XXX维度表'
PARTITIONED BY (pt_d VARCHAR(10) COMMENT '天分区')
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\001'
LINES TERMINATED BY '\n'
STORED AS ORC
LOCATION 'cosn://qqq/dim/dim_xxx_ds'
TBLPROPERTIES('orc.compress'='ZLIB')
;

-- iii
DROP TABLE IF EXISTS tmp.tmp_a;
CREATE TABLE IF NOT EXISTS tmp.tmp_a
AS
SELECT
   KKK
FROM lll
;

INSERT OVERWRITE TABLE dim.dim_common_mdm_dept_ds
PARTITION (pt_d = '${pt_d}')
SELECT
    XXX
FROM tmp.tmp_a
;

DROP TABLE IF EXISTS tmp.tmp_a;

4. 指标体系建设

将公司目标定为核心指标，细分出下级指标。

5. 词根库

将同一中文含义的字段使用相同英文命名，如下所示：

词根英文名	词根中文解释	字段英文命名示例	中文命名示例
date	日期	update_date	更新日期
update	更新
dept	部门

（二）流程规范

流程规范主要是从数仓管理的角度，对数仓场景下的各种流程进行约束。

1. 需求提交流程

（1）需求对接人；
（2）需求提交途径；
（3）需求澄清、评审会。

2. 模型设计流程

模型评审会沟通

3. ETL开发流程

数据接入方式，数据接入工具

4. 前端开发规范

（1）报表风格；
（2）更新时间监控。

5. 上线流程

（1）确定上线时间；
（2）确定上线途径；
（3）确定上线后验证。

（三）质量管控规范

质量管控规范主要是针对从数据源到应用层的数据质量问题

1. 源端管控

（1）监控数据源接入任务是否正常执行；
（2）监控数据源数据是否正常。

2. 数仓管理

（1）监控模型任务是否正常执行；
（2）监控模型数据是否正常。

3. 应用管控

（1）监控报表任务是否正常执行；
（2）监控报表数据是否正常。

（四）安全规范

安全规范对外是为了防止数据通过网络泄露，对内是通过权限的管理实现数据权限最小化。

1. 网络安全

考虑数据应用层是否需要外网使用。

2. 账号安全

一个一账号原则，可以与公司内部账号绑定，遵循数据权限最小化。

3. 数据安全

（1）涉及到个人信息的数据加密处理；
（2）必须要明文展示的敏感数据掩码处理；
（3）前端报表页面加水印显示数据使用人信息。

---

总结

“不以规矩，不能成方圆。”出自《孟子》的《离娄章句上》。讲的是没有规矩，就不会有规整的方圆。形容合理地规则更有助于我们做成一件事。恰逢世界杯期间，咱以足球为例。在古代，足球比赛是充斥着暴力和血腥的一项运动，正是有了规则的限制，才使得这项运动变成如今这边受欢迎，合理地规则能够保护球员，尽量避免其受伤，也能够让比赛双方尽可能的实现公平竞争。
在数据仓库开发的过程中，遵循一定的规范能够避免我们的开发偏离原有设计的方向，也能够保证数据安全。