来源：蜜獾报告
导读：数据仓库的建设实施和落地需要团队中不同成员的参与和配合，需要各种各样的规范，规范的分层定义和表
命名能让使用者轻而易举地明白该表的作用和含义。因此本文档重点介绍分层规范和可落地的表命名规范。
01 数据分层
一、数据运营层：
ODS(Operational Data Store)
ODS
层，是最接近数据源中数据的一层，为了考虑后续可能需要追溯数据问题，因此对于这一层就不建议做过多
的数据清洗工作，原封不动地接入原始数据即
可，至于数据的去噪、去重、异常值处理等过程可以放在后面
的
DWD层来做。
二、数据仓库层：
DW (Data Warehouse)
数据仓库层是我们在做数据仓库时要核心设计的一层，在这里，从
ODS 层中 获得的数据按照主题建立各种数据
模型
。DW 层又细分为DWD(Data Warehouse Detail )层、DWM(Data WareHouse Middle )层和DWS(Data
WareHouse Servce )
。
1.
数据明细层：DWD (Data Warehouse Detail)
该层一般保持和
ODS层一样的数据粒度 ，并且提供一定的数据质量保证 。
DWD
层要做的就是将数据清理、整合、规范化、脏数据、垃圾数据、规范不一致的、状态定义不一致的、命名不
规范的数据都会被处理。
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手法 ，将维度退化至事实表中，
减少事实表和
维表的关联。另外，在该层也会做一部分的数据聚合，将相同主题的数据汇集到一
张表中 ，提高数据的可用性 。
2.
数据中间层：DWM (Data WareHouse Middle)
该层会在
DWD 层的数据基础上，对数据做轻度的聚合操作，生成一系列的中间表，提升公共指标的复用性，
减
少重复加工。直观来讲
， 就是对通用的核心维度进行聚合操作， 算出相应的统计指标。
在实际计算中
， 如果直接从 DWD 或者 ODS 计算出宽表的统计指标 ， 会存在
计算量太大并且维度太少的问
题，因此一般的做法是，在
DWM 层先计算出多个小的 中间表 ，然后再拼接成一 张 DWS 的宽表 。
由于宽和窄
的界限不易界定，也可以去掉
DWM 这一层， 只留 DWS 层，将所有的数据再放在DWS 亦可。
3.
数据服务层：DWS (Data WareHouse Servce)
DWS
层为公共汇总层， 会进行轻度汇总 ， 粒度比明细数据稍粗，基于DWD层上的基础数据，
整合汇总成分析
资源评论
慕.晨风
- 粉丝: 104
- 资源: 2
最新资源
- 程序员问卷调查表的内容
- 以下是 VB 入门教程及一个简单的开发案例
- SQL (Structured Query Language) 是用于管理和操作关系型数据库的标准语言
- STM32储能逆变器资料，提供原理图，pcb，源代码 基于STM32F103设计，具有并网充电、放电；并网离网自动切换；485
- Scratch 是一个基于图形化编程的工具，专门设计用于帮助儿童和初学者学习编程概念
- 逆变器光伏逆变器，3.6kw储能逆变器全套资料 STM32储能逆变器 BOOST 全桥 基于STM32F103设计，具有并网充
- 基于python+opencv的手势识别系统，可控制灯的亮度，智能家居，智能小车 基于python+opencv的手势识别系统
- VSC下垂控制策略仿真模型，支持MATLAB2014a及以上版本
- 基于python实现的LSB进行图像隐写的程序
- 考虑分布式光伏储能系统的优化配置方法 完全复现截图文献模型 采用双层模型求解 上层决策储能系统配置容量用遗传 粒子群算法求解 下
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
