本文详细介绍了数据仓库的分层概念及其意义，并对比了关系建模与维度建模两种不同的数据组织方式。通过ods、dwd、dws、dwt及ads五层结构划分，使数据处理流程更加清晰有序；同时，维度建模相较于关系建模更适用于OLAP系统，便于高效查询。
一、数仓分层
1.1分层概念
ods：原始数据层，存放原始数据。
dwd：明细数据层，对原始数据进行清洗，如去空值、日期格式转换、数据脱敏、脏数据处理等。
dws：数据服务层，对明细数据层进行轻度汇总。
dwt：数据主题层，以dws层为基础，进行数据累积汇总。
ads：数据应用层，为数据应用提供数据，指标等。
1.2 数仓分层的意义
1、把复杂的问题简单化。
2、减少重复研发。
3、使用数据与原始数据解耦。
二、数仓理论
2.1关系建模与维度建模
2.1.1关系建模
关系建模也就是我们所说的范式建模，一般OLTP系统采用范式建模，减少数据重复。
第一范式：属性不可分割。
第二范式：没有不完全函数依赖。
第三范式：没有传递函数依赖。
2.1.2维度建模
维度建模一般应用于OLAP系统，为了方便快速查询大量数据，避免大数据量的情况下跨表查询。
维度表：事件的描述信息。
事实表：事实表中每行数据代表一个事件。
星型模型&雪花模型
2.1.3
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
