[大数据]基于Hive的电商数仓分层体系概述

1.为什么进行数仓分层

1. 把复杂问题简单化

   ? 将复杂的任务分解成多层来完成，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，通过的中间层数据，能够减少极大的重复计算，增加一次计算结果的复用性。

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。

2.数仓分层总统架构

• ODS层：原始数据层，存放原始数据，直接加载原始日志、数据，数据保持原貌不做处理。
• DWD层：对ODS层数据进行清洗(去除空值，脏数据，超过极限范围的数据)、维度退化、脱敏等
• DWS层：以DWD为基础，按天进行轻度汇总。
• DWT层：以DWS为基础，按主题进行汇总。
• ADS层：为各种统计报表提供数据

3.数仓分层建模

3.1ODS

1. 保持数据原貌不做任何修改，起到备份数据的作用。
2. 数据采用压缩，减少磁盘存储空间（例如：原始数据100G，可以压缩到10G左右）
3. 创建分区表，防止后续的全表扫描

3.2DWD

DWD层是以业务过程为驱动，需构建维度模型，一般采用星型模型，呈现的状态一般为星座模型。维度建模一般按照以下四个步骤：

选择业务过程→声明粒度→确认维度→确认事实

1. 选择业务过程

   在业务系统中，挑选我们感兴趣的业务线，比如下单业务，支付业务，退款业务，物流业务，一条业务线对应一张事实表。如果是中小公司，尽量把所有业务过程都选择。如果是大公司（1000多张表），选择和需求相关的业务线。

2. 声明粒度

   数据粒度指数据仓库的数据中保存数据的细化程度或综合程度的级别。声明粒度意味着精确定义事实表中的一行数据表示什么，应该尽可能选择最小粒度，以此来应各种各样的需求。

   典型的粒度声明如下：

   1. 订单当中的每个商品项作为下单事实表中的一行，粒度为每次。
   2. 每周的订单次数作为一行，粒度为每周。
   3. 每月的订单次数作为一行，粒度为每月。
   4. 如果在DWD层粒度就是每周或者每月，那么后续就没有办法统计细粒度的指标了。所以建议采用最小粒度。

3. 确定维度

   1. 维度的主要作用是描述业务是事实，主要表示的是“ 谁，何处，何时 ”等信息。
   2. 确定维度的原则是：后续需求中是否要分析相关维度的指标。例如，需要统计，什么时间下的订单多，哪个地区下的订单多，哪个用户下的订单多。需要确定的维度就包括：时间维度、地区维度、用户维度。
   3. 维度表：需要根据维度建模中的星型模型原则进行维度退化。

4. 确定事实

   1. 此处的“事实”一词，指的是业务中的度量值（次数、个数、件数、金额，可以进行累加），例如订单金额、下单次数等。
   2. 在DWD层，以业务过程为建模驱动，基于每个具体业务过程的特点，构建最细粒度的明细层事实表。事实表可做适当的宽表化处理。
   3. 事实表和维度表的关联比较灵活，但是为了应对更复杂的业务需求，可以将能关联上的表尽量关联上。
   4. 如何判断是否能够关联上呢？在业务表关系图中，只要两张表能通过中间表能够关联上，就说明能关联上。

3.3DWS

DWS层统计各个主题对象的当天行为，服务于DWT层的主题宽表。

1. 问题引出：两个需求，统计每个省份订单的个数、统计每个省份订单的总金额

2. 处理办法：都是将省份表和订单表进行join，group by省份，然后计算。相当于类似的需求重复计算了两次。

3. 那怎么设计能避免重复计算呢？

? 地区宽表的字段设计为：下单次数、下单金额、支付次数、支付金额等。只需要和每个事实表一次join。

4. 总结：

   ? 需要建哪些表：以维度为基准，去关联对应多个事实表

   ? 宽表里面的字段：是站在不同维度的角度去看事实表，重点关注事实表聚合后的度量值。

3.4DWT

DWT层统计各个主题对象的累积行为。

1. 需要建哪些表：和DWS层一样。以维度为基准，去关联对应多个事实表
2. 宽表里面的字段：我们站在维度表的角度去看事实表，重点关注事实表度量值的累积值、事实表行为的首次和末次时间。

例如，订单事实表的度量值是下单次数、下单金额。订单事实表的行为是下单。我们站在用户维度表的角度去看订单事实表，重点关注订单事实表至今的累积下单次数、累积下单金额和某时间段内的累积次数、累积金额，以及关注下单行为的首次时间和末次时间。

3.5ADS

对电商系统各大主题指标分别进行分析。