数据仓库五层架构

1. 数据仓库五层架构规范

1.1 数据仓库为什么要分层

1. 把复杂问题简单化，每一层只处理简单的任务，方便定位问题；
2. 减少重复开发，规范数据分层，通过中间层数据能够减少重复计算，且增加计算结果的复用性；
3. 隔离原始数据，不论是数据的异常还是数据的敏感性，使真实数据与统计数据解耦开。

1.2 DW五层架构的特点

• 细化DW建模，对DW中各个主题业务建模进行了细分，每个层次具有不同的功能。保留了最细粒度数据，满足了不同维度、不同事实的信息；
• 满足数据重新生产，不同层次的数据支持数据重新生成，无需备份恢复，解决了由不同故障带来的数据质量问题，消除了重新初始化数据的烦恼；
• 减少应用对DW的压力，以业务应用驱动为向导建模，避免直接操作基础事实表，降低数据获取时间；
• 快速适应需求变更和维度变化，明细基础数据层稳定，适应前端应用层业务需求变更，所有前端应用层模型之间不存在依赖，需求变更对DW整个模型影响范围小，能适应短周期内上线下线需求。
  

1.3 ODS（Operational Data Store）原始数据层

数据准备区，也称为贴源层。数据仓库源头系统的数据表通常会原封不动的存储一份，以此减少对业务系统的影响，也是后续数据仓库加工数据的来源。业务DB基本上是直接同步过来，LOG主要做结构化。

1.3.1 ODS层数据的来源方式

业务库

• 可使用Sqoop来抽取，例如每天定时抽取一次；
• 实时接入，考虑用canal监听MySQL的binlog；
• Flume、Sqoop、Kettle等ETL工具导入到HDFS，并映射到HIVE的数据仓库表中。

埋点日志

• 日志一般以文件的形式保存，可以选择用Flume定时同步；
• 可以用Spark Streaming或者Flink来实时接入；
• Kafka。

消息队列

• 来自ActiveMQ、Kafka的数据等。

1.3.2 建模方式及原则

• 从业务系统增量抽取；
• 保留时间由业务需求