数仓分层：ODS、DWD、DWS、DWT、ADS

在数据开发中，我们都希望自己的数据结构清晰、数据关系条理化，能够在系统中有层级、有顺序地流转，使用者与设计者能够进行数据血缘追踪，清晰地看清楚数据的整个生命周期。因此，需要一套行之有效的数据组织、管理和处理方法，来让我们的数据体系更加有序，这就是数据分层。

对于数仓分层，不同的厂商、不同的业务服务类型对数据仓库分层也有各自不同，没有标准说一定要分3层、4层还是5层才是最好的分层，重点还是满足业务与企业发展的需要。一般情况下，理论上通用的分层如下图所示：

1. ODS: 源数据层(Operation Data Store )

也称为贴源层，存储采集的原始数据，其结构上与源系统基本保持一致，存储的数据量是最大的。一般情况下，为了便于简化后续数据加工处理与数据追溯等问题，对于该层不建议做过多的数据清洗工作，原封不动地接入原始数据、保持数据原貌即可，至于数据清洗处理（如去噪、去重、异常值处理等）可以放在后面的 DWD 层来做。

2. DW：数据仓库层(Data Warehouse)

该层将从 ODS 层中获得的数据按照主题建立各种数据模型，每一个主题对应一个宏观的应用分析领域，数据仓库层排除对应用分析无用的数据，提供特定主题的简明视图。它存放明细事实数据、维表数据及公共指标汇总数据。其中，明细事实数据、维表数据一般根据ODS层数据加工生成。公共指标汇总数据一般根据维表数据和明细事实数据加工生成。

它又细分为：DWD数据明细层(Data Warehouse Detail)、数据服务层(Data WareHouse Servce)、DWT数据主题层(Data Warehouse Topic)与DIM维表层(Dimension)。

3. DWD：数据明细层(Data Warehouse Detail)

该层主要是针对ODS层进行数据清洗（如去除空数据、脏数据、离群值等）、规范化与脱敏。同时，为了提高数据明细层的易用性，该层会采用一些维度退化（维度退化即采用维度模型的方式重新建模）方法，将维度退化至事实表中，减少事实表和维表的关联。

事实表作为数据仓库维度建模的核心，需要紧紧围绕着业务过程来设计，即以业务过程作为建模驱动，基于每个具体的业务过程特点，构建最细粒度的明细层事实表。事实表里面的一条数据都代表一个业务事件，如下单、支付、退款、评价等等。"事实"这个术语表示的是业务事件的"度量值"（可统计次数、个数、金额等等），所以订单表便是一张事实表。

4. DWS：数据服务层(Data WareHouse Servce)

该层以DWD层为基础，统计各个主题对象的当天行为，按天进行轻度汇总。它服务于 DWT 层的主题宽表，一行信息代表一个主题对象一天的总行为，例如一个用户一天下单次数。

5. DWT：数据主题层(Data Warehouse Topic)

该层以DWS层的数据为基础，按主题进一步进行汇总，即以分析的主题对象为建模驱动，基于上层的应用和产品的指标需求，构建主题对象的全量宽表。一行信息代表一个主题对象的累积行为，例如一个用户从注册那天开始至今一共下了多少次单。

6. DIM：维表层(Dimension)

也称查找表（Lookup Table），它是与事实表相对应的一种表，一般是对事实的描述信息，每一张维度表对应现实世界中的一个对象或者概念。它保存了维度的属性值，可以跟事实表做关联，相当于将事实表上经常重复出现的属性抽取、规范出来用一张表进行管理。如：日期表（存储与日期对应的周、月、季度等的属性）、地点表（包含国家、省／州、城市等属性）等。

维度表主要是包含两个部分：

1）高基数维度数据：一般是用户资料表、商品资料表类似的资料表，数据量可能是千万级或者上亿级别；

2）低基数维度数据：一般是配置表，比如枚举字段对应的中文含义，或者日期维表等；数据量可能就是个位数或者几千几万。

7. ADS：数据应用层(Application Data Service)

该层是数据仓库的最上层，主要用于支持具体特定的业务需求与应用场景。在该层会根据具体的业务需求与应用场景，对数据进行进一步的分析和处理，例如进行报表统计、分析报告、数据预测与推荐等。