1 数据仓库“分层”的优势

（1）把复杂的问题简单化；通过把复杂的问题分解成多层，每次只处理简单任务。

（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

（3）隔离原始数据

2 四层分层各自的作用

1 数据操作层ODS（Operational Data Store）

数据源中的数据，经过抽取、洗净、传输，也就说传说中的ETL之后，装入本层

ODS表通常包括两类：一个用于存储当前需要加载的的数据，一个用于存储处理好的历史数据。历史数据一般保存3-6个月后需要清除，以节省空间。

===> 表的命名规范为：ods_主题_原表名

2 数据明细层 DWD（Data Warehouse Detail）

该层在ODS层的基础上对数据进行清洗，维度退化，脱敏等加工处理，提供更干净的数据。

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，当一个维度没有数据仓库需要的任何数据时，就可以退化维度，将维度退化至事实表中，减少事实表和维表的关联。例如：订单id,这种量级很大的维度，没必要用一张维度表来进行存储，而我们一般在进行数据分析时订单id又非常重要，所以我们将订单id冗余在事实表中，这种维度就是退化维度

关于维度退化的详细了解，可参考?这个

3 数据汇总层DWS（Data Warehouse Service）

对DWD层的数据进行一个轻度汇总。

主要包含两类汇总表，一是细粒度的宽表，二是粗粒度的汇总表。例如打车业务，包含基于订单、乘客、司机、车辆等细粒度的宽表和基于维度组合如（用户日下单量汇总、用户日完单量汇总、司机日接单量汇总）的粗粒度汇总表。DWS层的汇总数据目标时满足80%的业务计算，默认保留历史至今的所有数据，

===>表命名规范为：dws_主题域_描述，如dws_订单_今日下单量。

4 数据应用层ADS（Application Data?Service）? /? ? 数据集市层(DM)

存放的是轻度聚合的数据，基于DWD、DWS上的数据，整合汇总成一个主题域的报表数据，主要提供进行数据分析。

（有些企业则是四层或五层主要根据实际情况来实现）

5??DIM——维表层：基于维度建模理念思想，建立整个企业的一致性维度。

维表层主要包含两部分数据：

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。

低基数维度数据：一般是配置表，比如枚举值对应的中文含义，或者日期维表。数据量可能是个位数或者几千几万