數(shù)據(jù)分層是數(shù)據(jù)倉庫設(shè)計(jì)中十分重要的一個環(huán)節(jié)，優(yōu)秀的分層設(shè)計(jì)能夠讓整個數(shù)據(jù)體系更易理解和使用。而目前網(wǎng)絡(luò)中大部分可以被檢索到半島外圍網(wǎng)上直營相關(guān)的文章只是簡單地提及數(shù)據(jù)分層的設(shè)計(jì)，或缺少明確而詳細(xì)的說明，或缺少可落地實(shí)施的方案，或缺少具體的示例說明。

因此，本文將指出一種通用的數(shù)據(jù)倉庫分層方法，具體包含如下內(nèi)容：

介紹數(shù)據(jù)分層的作用

提出一種通用的數(shù)據(jù)分層設(shè)計(jì)，以及分層設(shè)計(jì)的原則

舉出具體的例子說明

提出可落地的實(shí)踐意見

1數(shù)據(jù)分層

“為什么要進(jìn)行數(shù)據(jù)分層？”

這應(yīng)該是數(shù)據(jù)倉庫同學(xué)在設(shè)計(jì)數(shù)據(jù)分層時首先要被挑戰(zhàn)的問題，類似的問題可能會有很多，比如說“為什么要做數(shù)據(jù)倉庫？”、“為什么要做元數(shù)據(jù)管理？”、“為什么要做數(shù)據(jù)質(zhì)量管理？”。當(dāng)然，這里我們只聊一下為什么要做設(shè)計(jì)數(shù)據(jù)分層。

作為一名數(shù)據(jù)的規(guī)劃者，我們肯定希望自己的數(shù)據(jù)能夠有秩序地流轉(zhuǎn)，數(shù)據(jù)的整個生命周期能夠清晰明確被設(shè)計(jì)者和使用者感知到。直觀來講就是如下的左圖這般層次清晰、依賴關(guān)系直觀。

但是，大多數(shù)情況下，我們完成的數(shù)據(jù)體系卻是依賴復(fù)雜、層級混亂的。如下的右圖，在不知不覺的情況下，我們可能會做出一套表依賴結(jié)構(gòu)混亂，甚至出現(xiàn)循環(huán)依賴的數(shù)據(jù)體系。

因此，我們需要一套行之有效的數(shù)據(jù)組織和管理方法來讓我們的數(shù)據(jù)體系更有序，這就是談到的數(shù)據(jù)分層。數(shù)據(jù)分層并不能解決所有的數(shù)據(jù)問題，但是，數(shù)據(jù)分層卻可以給我們帶來如下的好處：

清晰數(shù)據(jù)結(jié)構(gòu)：每一個數(shù)據(jù)分層都有它的作用域和職責(zé)，在使用表的時候能更方便地定位和理解

減少重復(fù)開發(fā)：規(guī)范數(shù)據(jù)分層，開發(fā)一些通用的中間層數(shù)據(jù)，能夠減少極大的重復(fù)計(jì)算

統(tǒng)一數(shù)據(jù)口徑：通過數(shù)據(jù)分層，提供統(tǒng)一的數(shù)據(jù)出口，統(tǒng)一對外輸出的數(shù)據(jù)口徑

復(fù)雜問題簡單化：將一個復(fù)雜的任務(wù)分解成多個步驟來完成，每一層解決特定的問題

2一種通用的數(shù)據(jù)分層設(shè)計(jì)

為了滿足前面提到數(shù)據(jù)分層帶來的好處，我們將數(shù)據(jù)模型分為三層：數(shù)據(jù)運(yùn)營層（?ODS ）、數(shù)據(jù)倉庫層（DW）和數(shù)據(jù)應(yīng)用層（APP）。如下圖所示。簡單來講，我們可以理解為：**ODS層存放的是接入的原始數(shù)據(jù)，DW層是存放我們要重點(diǎn)設(shè)計(jì)的數(shù)據(jù)倉庫中間層數(shù)據(jù)，APP是面向業(yè)務(wù)定制的應(yīng)用數(shù)據(jù)。**下面詳細(xì)介紹這三層的設(shè)計(jì)。

一、數(shù)據(jù)運(yùn)營層：ODS（Operational Data Store）

“面向主題的”，數(shù)據(jù)運(yùn)營層，也叫ODS層，是最接近數(shù)據(jù)源中數(shù)據(jù)的一層，數(shù)據(jù)源中的數(shù)據(jù)，經(jīng)過抽取、洗凈、傳輸，也就說傳說中的 ETL 之后，裝入本層。本層的數(shù)據(jù)，總體上大多是按照源頭業(yè)務(wù)系統(tǒng)的分類方式而分類的。

一般來講，為了考慮后續(xù)可能需要追溯數(shù)據(jù)問題，因此對于這一層就不建議做過多的數(shù)據(jù)清洗工作，原封不動地接入原始數(shù)據(jù)即可，至于數(shù)據(jù)的去噪、去重、異常值處理等過程可以放在后面的DWD層來做。

二、數(shù)據(jù)倉庫層：DW（Data Warehouse）

數(shù)據(jù)倉庫層是我們在做數(shù)據(jù)倉庫時要核心設(shè)計(jì)的一層，在這里，從?ODS 層中獲得的數(shù)據(jù)按照主題建立各種數(shù)據(jù)模型。DW層又細(xì)分為 DWD（Data Warehouse Detail）層、DWM（Data WareHouse Middle）層和DWS（Data WareHouse Servce）層。

1、數(shù)據(jù)明細(xì)層：DWD（Data Warehouse Detail）

該層一般保持和ODS層一樣的數(shù)據(jù)粒度，并且提供一定的數(shù)據(jù)質(zhì)量保證。同時，為了提高數(shù)據(jù)明細(xì)層的易用性，該層會采用一些維度退化手法，將維度退化至事實(shí)表中，減少事實(shí)表和維表的關(guān)聯(lián)。

另外，在該層也會做一部分的數(shù)據(jù)聚合，將相同主題的數(shù)據(jù)匯集到一張表中，提高數(shù)據(jù)的可用性，后文會舉例說明。

2、數(shù)據(jù)中間層：DWM（Data WareHouse Middle）

該層會在DWD層的數(shù)據(jù)基礎(chǔ)上，對數(shù)據(jù)做輕度的聚合操作，生成一系列的中間表，提升公共指標(biāo)的復(fù)用性，減少重復(fù)加工。直觀來講，就是對通用的核心維度進(jìn)行聚合操作，算出相應(yīng)的統(tǒng)計(jì)指標(biāo)。

3、數(shù)據(jù)服務(wù)層：DWS（Data WareHouse Servce）

又稱數(shù)據(jù)集市或?qū)挶?。按照業(yè)務(wù)劃分，如流量、訂單、用戶等，生成字段比較多的寬表，用于提供后續(xù)的業(yè)務(wù)查詢，OLAP分析，數(shù)據(jù)分發(fā)等。

一般來講，該層的數(shù)據(jù)表會相對比較少，一張表會涵蓋比較多的業(yè)務(wù)內(nèi)容，由于其字段較多，因此一般也會稱該層的表為寬表。

在實(shí)際計(jì)算中，如果直接從DWD或者ODS計(jì)算出寬表的統(tǒng)計(jì)指標(biāo)，會存在計(jì)算量太大并且維度太少的問題，因此一般的做法是，在DWM層先計(jì)算出多個小的中間表，然后再拼接成一張DWS的寬表。由于寬和窄的界限不易界定，也可以去掉DWM這一層，只留DWS層，將所有的數(shù)據(jù)在放在DWS亦可。

三、數(shù)據(jù)應(yīng)用層：APP（Application）

在這里，主要是提供給數(shù)據(jù)產(chǎn)品和數(shù)據(jù)分析使用的數(shù)據(jù)，一般會存放在?ES、PostgreSql、Redis等系統(tǒng)中供線上系統(tǒng)使用，也可能會存在 Hive 或者 Druid 中供數(shù)據(jù)分析和數(shù)據(jù)挖掘使用。比如我們經(jīng)常說的報(bào)表數(shù)據(jù)，一般就放在這里。

四、維表層（Dimension）

最后補(bǔ)充一個維表層，維表層主要包含兩部分?jǐn)?shù)據(jù)：

高基數(shù)維度數(shù)據(jù)：一般是用戶資料表、商品資料表類似的資料表。數(shù)據(jù)量可能是千萬級或者上億級別。

低基數(shù)維度數(shù)據(jù)：一般是配置表，比如枚舉值對應(yīng)的中文含義，或者日期維表。數(shù)據(jù)量可能是個位數(shù)或者幾千幾萬。

至此，我們講完了數(shù)據(jù)分層設(shè)計(jì)中每一層的含義，這里做一個總結(jié)便于理解，如下圖。

3舉個例子

趁熱打鐵，舉個栗子說明一下，如下圖，可以認(rèn)為是一個電商網(wǎng)站的數(shù)據(jù)體系設(shè)計(jì)。我們暫且只關(guān)注用戶訪問日志這一部分?jǐn)?shù)據(jù)。

在ODS層中，由于各端的開發(fā)團(tuán)隊(duì)不同或者各種其它問題，用戶的訪問日志被分成了好幾張表上報(bào)到了我們的ODS層。

為了方便大家的使用，我們在DWD層做了一張用戶訪問行為天表，在這里，我們將PC網(wǎng)頁、H5、小程序和原生APP訪問日志匯聚到一張表里面，統(tǒng)一字段名，提升數(shù)據(jù)質(zhì)量，這樣就有了一張可供大家方便使用的明細(xì)表了。

在DWM層，我們會從DWD層中選取業(yè)務(wù)關(guān)注的核心維度來做聚合操作，比如只保留人、商品、設(shè)備和頁面區(qū)域維度。類似的，我們這樣做了很多個DWM的中間表。

然后在DWS層，我們將一個人在整個網(wǎng)站中的行為數(shù)據(jù)放到一張表中，這就是我們的寬表了，有了這張表，就可以快速滿足大部分的通用型業(yè)務(wù)需求了。

最后，在APP應(yīng)用層，根據(jù)需求從DWS層的一張或者多張表取出數(shù)據(jù)拼接成一張應(yīng)用表即可。

備注：例子只是為了簡單地說明每一層的作用，并不是最合理的解決方案，大家辯證地看待即可。

4技術(shù)實(shí)踐

既然談到了數(shù)據(jù)分層，那不同的層次中會用到什么計(jì)算引擎和存儲系統(tǒng)呢，本節(jié)來簡單分享一下。數(shù)據(jù)層的存儲一般如下：

Data Source：數(shù)據(jù)源一般是業(yè)務(wù)庫和埋點(diǎn)，當(dāng)然也會有第三方購買數(shù)據(jù)等多種數(shù)據(jù)來源方式。業(yè)務(wù)庫的存儲一般是Mysql 和 PostgreSql。

ODS 層：ODS 的數(shù)據(jù)量一般非常大，所以大多數(shù)公司會選擇存在HDFS上，即Hive或者Hbase，Hive居多。

DW 層：一般和 ODS 的存儲一致，但是為了滿足更多的需求，也會有存放在 PG 和 ES 中的情況。

APP 層：應(yīng)用層的數(shù)據(jù)，一般都要求比較快的響應(yīng)速度，因此一般是放在 Mysql、PG、Redis中。

計(jì)算引擎的話，可以簡單參考圖中所列就行。目前大數(shù)據(jù)相關(guān)的技術(shù)更新迭代比較快，本節(jié)所列僅為簡單參考。

5思考

思考和總結(jié)一下數(shù)據(jù)分層的原則是什么？為什么要這樣分層？每層之間的界限又是什么？我個人從這幾個角度來理解數(shù)據(jù)分層的劃分：

從對應(yīng)用的支持來講，我們希望越靠上層次，越對應(yīng)用友好。比如APP層，基本是完全為應(yīng)用來設(shè)計(jì)的，很易懂，DWS層的話，相對來講就會有一點(diǎn)點(diǎn)理解成本，然后DWM和DWD層就比較難理解了，因?yàn)樗木S度可能會比較多，而且一個需求可能要多張表經(jīng)過很復(fù)雜的計(jì)算才能完成。

從能力范圍來講，我們希望80%需求由20%的表來支持。直接點(diǎn)講，就是大部分（80%以上）的需求，都用DWS的表來支持就行，DWS支持不了的，就用DWM和DWD的表來支持，這些都支持不了的極少一部分?jǐn)?shù)據(jù)需要從原始日志中撈取。結(jié)合第一點(diǎn)來講的話就是：80%的需求，我們都希望以對應(yīng)用很友好的方式來支持，而不是直接暴露給應(yīng)用方原始日志。

從數(shù)據(jù)聚合程度來講，我們希望，越上層數(shù)據(jù)的聚合程度越高，看上面的例子即可，ODS和DWD的數(shù)據(jù)基本是原始日志的粒度，不做任何聚合操作，DWM做了輕度的聚合操作只保留了通用的維度，DWS做了更高的聚合操作，可能只保留一到兩個能表征當(dāng)前描述主體的維度。從這個角度來看，我們又可以理解為我們是按照數(shù)據(jù)的聚合程度來劃分?jǐn)?shù)據(jù)層次的。

比如，目前市面上很流行的帆軟公司的軟件——FineBI，功能算是前沿的，可做BI報(bào)表，內(nèi)置了10+行業(yè)解決方案和幾十種可視化大屏模板demo，只需要直接把數(shù)據(jù)放入到模板中，馬上就可以生成數(shù)據(jù)，無需花費(fèi)很多時間，很適合企業(yè)使用。

我們專注高端建站，小程序開發(fā)、軟件系統(tǒng)定制開發(fā)、BUG修復(fù)、物聯(lián)網(wǎng)開發(fā)、各類API接口對接開發(fā)等。十余年開發(fā)經(jīng)驗(yàn)，每一個項(xiàng)目承諾做到滿意為止，多一次對比，一定讓您多一份收獲！