简单说说数据仓库

数据仓库是集成的、面向主题的、反应历史的数据的集合。它需要具有高效查询、高质量的、可扩展的的特性。数据仓库是协助运营及管理人员及时做出策略调整的最有效的依据。

通常情况下，数据仓库可大体分为三个层次：数据来源、数据处理、数据应用。

数据仓库简单架构图.png

如上图，ODS 层通常存放的是最原始的数据，包括从业务库同步过来的业务数据、客户端通过 SDK 打点过来的数据、服务生成的原始日志文件等数据。

业务库同步数据：这里的数据是会发生 update 操作的，因此通常情况下会使用全同步的方案。然而，当数据量过大时采用全量同步很明显不太合适，这时可以采用拉量表的方式进行处理。业务库表同步工具：sqoop、datax 等。
客户端通过 SDK 打点数据：通常情况下，打点数据会发送到 Kafka 集群中，然后通过 flink、spark、mapreduce 等从 kafka 中消费数据并写入 hdfs、hbase 等存储中。
原始日志文件：通常情况下，使用 flume 等工具进行数据处理，然后写入我们的仓库中。

中间层包括：DWD（明细数据）、DWM（维度）、报表预处理、对外提供数据的 API 接口。
应用层：事实上，应用层建立数据仓库最终的目的，如果不同很好的进行数据应用，一切数仓都是花拳绣腿。

目前为止，数据仓库采用的建模方法主流的有维度建模、范式建模。

维度模型是数据仓库领域大师Ralph Kimball 所倡导的。维度建模以分析决策的需求出发构建模型，构建的数据模型为分析需求服务，它解决了用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能，更直接面向业务。典型的代表有：星形模型、雪花模型。

所谓星形模型是指以事实表为中心，关联各个维度表，以获取我们所需要的数据结果。如下图，在事实表中有各个明细的数据，通过其周围不同的维度来构建上层的数据结果。在该情况下，维表中会有部分的冗余数据。

星形模型.png

雪花模型是在星形模型的基础上，将维度表进一步细化，得到维表的维度表。如下图，在该模式下，维度表的深度更深一些，在进行数据分析时，我们进行关联维表更多一些。因此，与星形模型相比，其分析查询的速度稍微更弱一些，但是由于维表的细化，得到的各个维度表的冗余较少一些。

雪花模型.png

无论是星形模型还是雪花模型，最根本的是要在理解业务的基础上，建立服务业务的数据仓库。通常情况下，星形模型具有更快的分析效率，也是建模时比较倾向的。

元数据（metadate）：数据字典，也即数据的数据。主要记录数据仓库中各层级间的映射关系、监控数据仓库的数据状态。一般会通过元数据资料库来统一地存储和管理元数据，其主要目的是使数据仓库的设计、操作和管理能达成协同和一致。

数据仓库是大数据时代所不可或缺的，易用、稳定的数据仓库对企业来讲是事半功倍的。