数据治理内容

https://space.bilibili.com/405479587 文章内容来源b站up主，语兴呀

数据治理内容
一.模型：
由于早期业务快速扩张，对元数据把控不到位，导致成熟期出现大量不合规模型
解决：数据标准：元数据补充
建设管控：大的需求进行模型评审
定期扫描：不规范的模型分层引用、模型跨ods层依赖，空表、未更新表等
烟囱模型及时下线：烟囱表及时切换/下线，提升核心数据模型复用率

二、资源
存储：
业务发展中，存在大量无用待下线的数据表，及生命周期设定过长的数据表，未做整治，梳理出长期未被使用/引用模型，及生命周期不符合当前标准模型，未分区，空表，文件数，文件格式等（通过数据血缘模型或平台捞出）

	方案：
	   设置合理的表周期
	   长期未引用、使用表下线
	   压缩、存储格式优化：ods使用zlib压缩、dwd， 使用parquet+snappy dm准备由parquet+snappy 转为parquet+zstd
	   定期扫描：空表：表格式、未设置生命周期、未设置分区
	   切换数据格式
	   
 计算：
		梳理出数据倾斜，消耗大，运行时间过长，空跑等任务（通过meta模型或平台捞出）
		1.根据梳理的存储，下线相对应的计算任务
		2.运行时长过长、资源消耗大任务找原因
		3.针对任务调度时间规划不合理，导致凌晨时间段资源消耗较高任务，提前/延后任务调度时间，做到资源合理分配利用
		4、对于数据价值较低/烟囱开发/无效监控项任务，需要及时下线或将字段迁移至核心表
		5、规划核心任务 并分配任务执行优先级 把非核心的任务靠后运行
		6、
		
小文件治理 ：spark3、定期扫描、合并

如何评价一个数仓的好坏
从技术方面，数据仓库应该具有成本、质量、效率要求，安全方向方面的能力，从业务方面，数据仓库应该支撑业务建设，覆盖尽可能多的业务场景，需要数据时能够及时取到，能满足业务数据化需求

1.数据质量
   评估方法：准确性、及时性、一致性、流程完整性
   流程：
		事前预防：监控。事后复盘：完善dqc规则和告警
2.模型建设
	评估方法：规范度、元数据完善度、复用度、稳定性、扩展性、合理性
3.数据安全
     评估方法：角色权限是否划分、权限管控、数据表是否分级、对外数据是否脱敏
4.成本、性能
      评估方法：无用表、任务是否及时下线、表生命周期是否合理、数据倾斜任务数、运行时长过长任务数、空跑任务、小文件过多数据表、成本管理
5.用户用数体验
6.数据资产覆盖