助力工业物联网，工业大数据之数仓维度层DWS层构建【十二】

数仓维度层DWS层构建

01：项目回顾

1. ODS层与DWD层的功能与区别是什么？

   • ODS：原始数据层
     • 存储格式：AVRO
     • 数据内容：基本与原始数据是一致的
   • DWD：明细数据层
     • 存储格式：Orc
     • 数据内容：基于与ODS层是一致的

2. ODS层的需求是什么？

   • 自动化建库建表

   • 建表

     create table one_make_ods.表名
     tableproperties(schema文件)
     

     • 表名
     • 表的注释
     • 表对应的HDFS地址
     • Schema文件的地址

3. DWD层的需求是什么？

   • 自动化建库建表

   • 建表

     create table one_make_dwd.表名(
     	字段信息
     )
     location
     

     • 表名
     • 表的注释
     • 表对应的HDFS地址
     • 字段信息

4. 怎么获取表的Schema信息？

   • 表的注释、Schema信息
   • ODS：Oracle中获取表的注释、Schema文件从Sqoop生成的
   • DWD：Oracle中获取表的信息
     • TableMeta：表名，表的注释，列的信息：List
     • ColumnMeta：列名、列的注释、列的类型、长度、精度

5. 如何使用Python构建Oracle和Hive的连接？

   • Oracle：cx_Oracle
     • conn（host,port,user,passwd,sid）
   • Hive/SparkSQL：pyHive
     • SparkSQL用法
     • 编程方式：python文件 | jar包
       • 流程
         • step1：SparkSession
         • step2：读取数据源
         • step3：处理
           • 注册视图
           • spark.sql(“”)
       • spark-submit
       • 优点：灵活
       • 场景：DSL
     • 提交SQL：ThriftServer
       • 场景：SQL，调度开发
       • 流程
         • JDBC | PyHive | Beeline：代码中开发
         • spark-sql -f xxxx.sql：SQL文件的运行

6. 如果实现SQL语句的执行？

   • step1： 先构建服务端的远程连接

     • 服务端地址：主机名 + 端口
     • 用户名和密码

   • step2：基于这个连接构建一个游标

   • step3：通过游标来执行SQL语句：execute(String：SQL)

   • step4：释放资源

7. 集中问题

   • 连接构建不上
     • 映射不对：spark.bigdata.cn：Can not Connect[46.xxx.xxxx.xx，10001]
       • 修改host文件
       • 修改config.txt：node1
     • 服务端问题：spark.bigdata.cn：Can not Connect[192.168.88.100，10001]
       • Spark的TriftServer没有启动
         • 启动完成先用dg或者beeline先测试一下
       • ThriftServer：依赖于MetaStore + YARN
         • 检查YARN：本质就是一个Spark程序：实时程序，不停止的
     • Oracle：cx_Oracle + 本地客户端：D:\instantclient_12_2
   • 安装
     • Python版本：Python 3.7.4
     • 命令sasl

02：项目目标

1. 回顾维度建模
   • 建模流程：划分主题域和主题
   • 维度设计：构建维度矩阵
   • 维度模型：雪花模型、星型模式
2. 项目中的建模流程和维度设计
   • 划分了哪些主题域，每个主题域有哪些主题？
   • 每个主题基于哪些维度进行分析？
3. 维度层构建
   • 时间维度
   • 地区维度
   • 油站维度
   • 服务网点维度
   • 组织机构维度
   • 仓库维度
   • 物流维度

03：维度建模回顾：建模流程

• 目标：掌握维度建模的建模流程

• 实施

  • step1-需求调研：业务调研和数据调研

    • 了解整个业务实现的过程
    • 收集所有数据使用人员对于数据的需求
    • 整理所有数据来源

  • step2-划分主题域：面向业务将业务划分主题域及主题

    • 用户域、店铺域
    • 商品域、交易域、
    • 客服域、信用风控域、采购分销域

  • step3-构建维度总线矩阵：明确每个业务主题对应的维度关系

    

  • step4-明确指标统计：明确所有原生指标与衍生指标

    • 原生指标：基于某一业务事件行为下的度量，是业务定义中不可再拆分的指标，如支付总金额

    • 衍生指标：基于原子指标添加了维度：近7天的支付总金额等

  • step5-定义事实与维度规范

    • 命名规范、类型规范、设计规范等

  • step6-代码开发

    • 实现具体的代码开发

    • 只要知道指标的计算方式，基于维度分组计算指标

• 小结

  • 掌握维度建模的建模流程

04：维度建模回顾：维度设计

• 目标：掌握维度建模中维度的设计

• 实施

  • 功能：基于组合维度来更加细化我们的指标，来更加精确的发现问题
    • 指标如果不基于组合维度进行分析得到，指标的结果是没有意义的
  • 实现：开发中维度就是指标聚合时的分组字段
  • 特点
    • 数据量小
    • 很少发生变化
  • 采集方式：全量
  • 常见维度
    • 时间维度：年、季度、月、周、天、小时
    • 地区维度：国家、省份、城市
    • 平台维度：网站、APP、小程序、H5
    • 操作系统维度：Windows、Mac OS、Android、Linux、IOS
    • ……

• 小结

  • 掌握维度建模中维度的设计

05：维度建模回顾：维度模型

• 目标：掌握维度设计的常用模型

• 路径

  • step1：雪花模型
  • step2：星型模型
  • step3：星座模型

• 实施

  • 雪花模型

    • 设计：部分维度通过其他维度间接关联事实表
    • 优点：避免数据的冗余
    • 缺点：关联层次比较多，数据大的情况下，底层层层Join，查询数据性能降低

    

  • 星型模型

    • 设计：所有维度表直接关联事实表
    • 优点：每次查询时候，直接获取对应的数据结果，不用关联其他的维度子表，可以提高性能
    • 缺点：数据冗余度相比雪花模型较高

    

  • 星座模型

    • 星座模型：基于星型模型的演变，多个事实共同使用一个维度表

      

• 小结

  • 掌握维度设计的常用模型