Hive中的数据分层

理论上一般分为三个层：ODS数据运营层、DW数据仓库层、ADS数据服务层。基于这个基础分层之上，再提交信息的层次，来满足不同的业务需求。

1.1数据运营层（ODS）:原始数据

　ODS：Operation Data Store 数据准备区，也称为贴源层。数据仓库源头系统的数据表通常会原封不动的存储一份，称为ODS层，是后续数据仓库加工数据的来源。
ODS层数据的来源方式：

1. 业务库 : 经常会使用sqoop来抽取，例如每天定时抽取一次。
   实时方面，可以考虑用canal监听mysql的binlog，实时接入即可。
2. 埋点日志 :  日志一般以文件的形式保存，可以选择用flume定时同步
   可以用spark streaming或者Flink来实时接入
3. 消息队列：即来自ActiveMQ、Kafka的数据等.

1.2数据仓库层（DW）：数据清洗,建模

　　DW数据分层，由下到上为DWD（数据明细层），DWM（数据中间层），DWS（数据服务层）。从 ODS 层中获得的数据按照主题建立各种数据模型。这一层和维度建模会有比较深的联系。

　　1.DWD：data warehouse details 细节数据层，是业务层与数据仓库的隔离层。主要对ODS数据层做一些数据清洗和规范化的操作。（依企业业务需求）
数据清洗：去除空值、脏数据、超过极限范围的

这一层主要是保证数据的质量和完整，方便后续层中特征分析
　　2.DWM：也有的称为DWB（data warehouse base） 数据基础层，对数据进行轻度聚合，存储的是客观数据，一般用作中间层，可以认为是大量指标的数据层。

　　这里最容易搞混，实际生产中甚至跳过这个，只有dwd和dws层，其实严格要求上来讲，dwd层数据来源于生产系统，只对数据负责，别的不考虑。而到了dwm层，已经开始向我们的业务层靠拢，要根据数据来进行分析和轻度聚合，进行细粒度统计和沉淀。
　　3.DWS：data warehouse service 数据服务层，基于DWB上的基础数据，整合汇总成分析某一个主题域的服务数据层，一般是宽表。按照业务进行划分：流量、用户、订单....用于提供后续的业务查询，OLAP分析，数据分发等。

3.3数据服务层/应用层（ADS）：出报表

　　ADS：applicationData Service应用数据服务，该层主要是提供数据产品和数据分析使用的数据，一般会存储在ES、mysql等系统中供线上系统使用。
我们通过说的报表数据，或者说那种大宽表，一般就放在这里。

总结：

　　1. 原始数据拉取过来，保持和元数据同步，不做处理形成ODS层；

　　2. 基于ODS层，保持数据原始粒度，对数据加工和处理（也就是清洗），提供干净的数据作DWD层；

　　3. 根据ODS和DWD层数据，进行轻度汇总，保留较多维度，形成DWM层；

　　4. 基于以上所有DW层数据，进行高度汇总，形成DWS层。