大数据DWS与DWT层区别及应用场景

这是一个非常经典的大数据数据仓库分层问题。DWS层和DWT层是数据仓库体系中两个紧密相关但职责分明的层次。

简单来说，它们的核心区别在于：DWS层是“轻度汇总”，主题是“一天的行为”；而DWT层是“深度聚合”，主题是“至今为止的全量行为”。

下面我们从多个维度进行详细的对比和解释。

---

核心概念对比

维度	DWS (Data Warehouse Service - 数据服务层)	DWT (Data Warehouse Topic - 数据主题层)
中文名称	数据服务层 或 轻度汇总层	数据主题层 或 主题宽表层
核心思想	每日轻度聚合。按主题域，以每日为粒度，对DWD层的明细数据进行轻度汇总，形成一日内的行为统计。	历史至今累积聚合。按主题域，对整个历史周期的数据进行累积计算，形成“至今为止”的全量状态和行为。
时间粒度	天。例如：用户当日下单次数、商品当日被浏览次数。	时间段（至今）。例如：用户历史累计下单金额、商品历史总浏览次数。
数据特点	快照型。每天的数据都是独立的，只反映当天的状况。	累积型。包含了历史所有的数据，并随着时间的推移不断更新。
表名特点