dwd层如何设计（dws层如何设计）

大家好！今天让创意岭的小编来大家介绍下关于dwd层如何设计的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端

官网：https://ai.de1919.com。

创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解相关业务请拨打电话175-8598-2043，或添加微信：1454722008

本文目录:

• 1、数据质量

• 2、数仓项目05:ADS数据应用层

• 3、如何深入浅出理解数据仓库建模？

• 4、移动dim，ods，dwd，dw是什么意思

一、数据质量

浅谈数据质量管理：为了更清醒的数据

数据质量管理的一些思考

大数据Clouder认证：使用MaxCompute进行数据质量核查

度量的两个方面：

1、设计质量度量

数据资产目录 数据标准 数据模型 数据分布

2、执行质量度量

完整性 准确性 唯一性 一致性 及时性 有效性  （单列、跨列、跨行、跨表）

数据质量设计原则

1、关键环节注入监控流程 比如数据源接入、多维模型等

2、重要数据：事务数据、主数据、基础数据（数据字典）要进入监控流程；持续稳定的数据可以退出监控流程；价值密度低可以退出监控流程；

数据质量四部曲

策划、控制、度量、改进

打分机制：

指定表的质量KPI，针对表的故障率进行数据质量运营。

最主要的数据质量度量：

1、完整性：空值，数据量（是否漏传）等；

2、一致性：各层前后结果是否一致；

3、是否重复性：数据在单层是否重复

工具：

Griffin 功能有Bug 

Shell+Hive 建议（通过Web界面化）

各层校验规则：

ods层：

- 增量数据记录数（短期）设置合理值

- 全量数据记录数（长期）设置合理值

- 空值：

-重复值：使用不为空的字段校验

dwd层：

- 一致性 将需要一致性检测的字段，与ods层做关联join

- 重复性 使用不为空的字段校验

- 空值不需要检验：因为已经做了一致性校验了

dws/dwt层：

- 思路跟ods层一样

ads层:

- 判定指标是否在合理范围内，需设置合理值，与之对比，如超预期，展现层不体现该指标，并触发质量问题排查追踪（atlas追踪血缘关系，触发ETL流程）

数据质量修复：

1、数据丢失：按DT分区，重新导入

2、数据重复：分区表：按DT分区，删除分区所有数据，重新导入；全量表：重导一次

3、指标不符合正常规律：atlas追踪血缘关系，触发ETL流程

二、数仓项目05:ADS数据应用层

建库：

建表：

1.从ods_02_customer 表统计用户信息

2.从dwd_nshop_actlog_pdtview 用户浏览信息表查出用户浏览时长和浏览用户

3.从dws_nshop_ulog_view 用户浏览表查出访问次数和访问用户

4.用总的停留时长除以去重后的用户数量就是平均访问时长，用总访问次数除以去重后的用户数就是平均访问次数。

统计sql如下：

数据是从DWS层的用户浏览表里统计，统计sql如下：

1.在ods_02_customer表统计用户信息

2.dwd层的用户产品查询表dwd_nshop_actlog_pdtsearch统计查询相关信息

3.dws层的用户查询聚合表dws_nshop_ulog_search统计查询数量

4.对用户进行count聚合，对查询数量进行sum聚合，对产品id进行sum聚合

统计sql如下：

在这里，总用户数指全网的浏览过的总用户数，新增用户数指当天新注册用户数，活跃用户数指当天浏览的用户数

1.通过用户信息表查询出用户信息

2.通过对用户产品浏览表的userid聚合统计出活跃用户

统计sql如下：

这里的总体运营指标统计，统计的有下单数，订单数、销售总金额、有汇总金额、运费总金额等。

1.首先，页面类型肯定是产品页的，所以在页面布局中间表中提前筛选出产品页。

2.在dwd层的产品浏览表中可以关联到用户id、产品id，关联查出用户相关信息，和产品类别

3.在dwd层的订单明细流水表中，分别对order_id，district_money(优惠金额)，shipping_money(运费)，payment_money进行sum聚合，再关联用户基本信息表和产品信息表查询相关信息。

4.最后，将以上关联，查出总体指标,sql如下：

主要是查询订单详情表的订单状态为6（投诉）的次数，和撤销的次数，然后将订单详情表关联用户信息，产品信息查出相关信息，sql如下：

1.查询dwd层的订单明细表，可以查出订单有关的订单类型、支付网络方式、订单金额等数据，并关联用户信息表。

2.查询ods层的支付记录表，可以查出支付相关的支付状态等

3.关联上面的临时表，用支付次数除以下单次数，得到转换率。

sql如下：

查询dwd层的订单明细流水表的订单状态并累加次数，再关联用户信息表查出用户相关信息。

关联出产品表，查出产品类别，sql如下：

总访客数：需要去重

总访问次数不需要去重

统计sql如下：

三、如何深入浅出理解数据仓库建模？

作者 | 傅一平

来源 | 与数据同行

今天跟着我来学学数据仓库的基础知识，希望你结合案例可以把它吃透。

如果把数据看作图书馆里的书，我们希望看到它们在书架上分门别类地放置；如果把数据看作城市的建筑，我们希望城市规划布局合理；如果把数据看作电脑文件和文件夹，我们希望按照自己的习惯有很好的文件夹组织方式，而不是糟糕混乱的桌面，经常为找一个文件而不知所措。

数据模型就是数据组织和存储方法，它强调从业务、数据存取和使用角度合理存储数据。Linux的创始人Torvalds有一段关于“什么才是优秀程序员”的话：“烂程序员关心的是代码，好程序员关心的是数据结构和它们之间的关系”，最能够说明数据模型的重要性。

只有数据模型将数据有序的组织和存储起来之后，大数据才能得到高性能、低成本、高效率、高质量的使用。

性能：帮助我们快速查询所需要的数据，减少数据的I/O吞吐，提高使用数据的效率，如宽表。

成本：极大地减少不必要的数据冗余，也能实现计算结果复用，极大地降低存储和计算成本。

效率：在业务或系统发生变化时，可以保持稳定或很容易扩展，提高数据稳定性和连续性。

质量：良好的数据模型能改善数据统计口径的不一致性，减少数据计算错误的可能性。数据模型能够促进业务与技术进行有效沟通，形成对主要业务定义和术语的统一认识，具有跨部门、中性的特征，可以表达和涵盖所有的业务。

大数据系统需要数据模型方法来帮助更好地组织和存储数据，以便在性能、成本、效率和质量之间取得最佳平衡！

下图是个示例，通过统一数据模型，屏蔽数据源变化对业务的影响，保证业务的稳定，表述了数据仓库模型的一种价值：

为了实现以上的目的，数据仓库一般要进行分层的设计，其能带来五大好处：

清晰数据结构：每一个数据分层都有它的作用域，这样我们在使用表的时候能更方便地定位和理解。

数据血缘追踪：能够快速准确地定位到问题，并清楚它的危害范围。

减少重复开发：规范数据分层，开发一些通用的中间层数据，能够减少极大的重复计算。

把复杂问题简单化：将复杂的任务分解成多个步骤来完成，每一层只处理单一的步骤，比较简单和容易理解。当数据出现问题之后，不用修复所有的数据，只需要从有问题的步骤开始修复。

屏蔽原始数据的异常：不必改一次业务就需要重新接入数据。

以下是我们的一种分层设计方法，数据缓冲区（ODS）的数据结构与源系统完全一致。基础数据模型(DWD)和融合数据模型（DWI与DWA）是大数据平台重点建设的数据模型。应用层模型由各应用按需自行建设，其中基础数据模型一般采用ER模型，融合数据模型采用维度建模思路。

前面的分层设计中你会发现有两种设计方法，关系建模和维度建模，下面分别简单介绍其特点和适用场景。

1、维度建模

（1）定义

维度模型是数据仓库领域另一位大师Ralph Kimball 所倡导的。维度建模以分析决策的需求出发构建模型，构建的数据模型为分析需求服务，因此它重点解决用户如何更快速完成分析需求，同时还有较好的大规模复杂查询的响应性能，更直接面向业务。

典型的代表是我们比较熟知的星形模型：

维度退化

星型模型由一个事实表和一组维表组成。每个维表都有一个维作为主键，所有这些维的主键组合成事实表的主键。强调的是对维度进行预处理，将多个维度集合到一个事实表，形成一个宽表。

这也是我们在使用hive时，经常会看到一些大宽表的原因，大宽表一般都是事实表，包含了维度关联的主键和一些度量信息，而维度表则是事实表里面维度的具体信息，使用时候一般通过join来组合数据，相对来说对OLAP的分析比较方便。

（2）建模方法

通常需要选择某个业务过程，然后围绕该过程建立模型，其一般采用自底向上的方法，从明确关键业务过程开始，再到明确粒度，再到明确维度，最后明确事实，非常简单易懂。

以下是阿里的OneData的建模工作流，可以参考。

（3）优缺点

优点：技术要求不高，快速上手，敏捷迭代，快速交付；更快速完成分析需求，较好的大规模复杂查询的响应性能

缺点：维度表的冗余会较多，视野狭窄

2、关系建模

（1）定义

是数据仓库之父Inmon推崇的、从全企业的高度设计一个3NF模型的方法，用实体加关系描述的数据模型描述企业业务架构，在范式理论上符合3NF，站在企业角度面向主题的抽象，而不是针对某个具体业务流程的实体对象关系抽象。

它更多是面向数据的整合和一致性治理，正如Inmon所希望达到的“single version of the truth”。

当有一个或多个维表没有直接连接到事实表上，而是通过其他维表连接到事实表上时，其图解就像多个雪花连接在一起，故称雪花模型。

雪花模型是对星型模型的扩展。它对星型模型的维表进一步层次化，原有的各维表可能被扩展为小的事实表，形成一些局部的 "层次 " 区域，这些被分解的表都连接到主维度表而不是事实表。

雪花模型更加符合数据库范式，减少数据冗余，但是在分析数据的时候，操作比较复杂，需要join的表比较多所以其性能并不一定比星型模型高。

（2）建模方法

关系建模常常需要全局考虑，要对上游业务系统的进行信息调研，以做到对其业务和数据的基本了解，要做到主题划分，让模型有清晰合理的实体关系体系，以下是方法的示意：

以下是中国移动的概念模型的一种示例，如果没有自顶向下的视野，基本是总结不出来的：

（3）优缺点

优点：规范性较好，冗余小，数据集成和数据一致性方面得到重视，比如运营商可以参考国际电信运营业务流程规范（ETOM），有所谓的最佳实践。

缺点：需要全面了解企业业务、数据和关系；实施周期非常长，成本昂贵；对建模人员的能力要求也非常高，容易烂尾。

3、建模方法比较

一般来讲，维度模型简单直观，适合业务模式快速变化的行业，关系模型实现复杂，适合业务模式比较成熟的行业，阿里原来用关系建模，现在基本都是维度建模的方式了。

运营商以前都是关系建模，现在其实边界越来越模糊，很多大数据业务变化很快，采用维度建模也比较方便，不需要顶层设计。

维度建模就不说了，只要能理解业务过程和其中涉及的相关数据、维度就可以，但自顶向下的关系建模难度很大，以下是关系建模的三个建设要点。

1、业务的理解：找到企业内最理解业务和源系统的人，梳理出现状，比如运营商就要深刻理解三域（O/B/M），概念建模的挑战就很大，现在做到B域的概念建模已经很不容易。

2、数据及关系的理解：各个域的系统建设的时候没有统一文档和规范，要梳理出逻辑模型不容易，比如运营商的事件主题下的逻辑模型就非常复杂。

3、标准化的推进：数据仓库建模的任何实体都需要标准化命名，否则未来的管理成本巨大，也是后续数据有效治理的基础，以下是我们的一个命名规范示例：

总而言之，你可以把我的文章当成一个指引，具体还是要结合企业的实际去推进，但做事的时候要不忘建模的初心：即数据如何摆布才能提高支撑应用的效率，手段上不用区分什么先进不先进，好用就成。

四、移动dim，ods，dwd，dw是什么意思

ODS是一个面向主题的、集成的、可变的、当前的细节数据集合，用于支持企业对于即时性的、操作性的、集成的全体信息的需求。常常被作为数据仓库的过渡，也是数据仓库项目的可选项之一。

DW ：data warehouse 翻译成数据仓库

DW数据分层，由下到上为 DWD,DWB,DWS

DWD：data warehouse detail 细节数据层，有的也称为 ODS层，是业务层与数据仓库的隔离层。

　计算机用语，Dim就是定义变量，与关键字Private(私有的)相当，另外还有一个Public(公有的)关键字.;定义变量 　方法为：Dim 变量 As 变量类型。

望采纳！

以上就是关于dwd层如何设计相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。

推荐阅读：

cad培训班一般学费多少（solidworks培训班一般学费多少）

全景景观设计施工图dwg（景观施工图全套）

市场推广必用的十大网站：脉脉、bdwork必得我客、全球品牌网等

景观设计环境生态绿化（景观设计 绿化）

南京乡村生态景观设计（南京乡村生态景观设计师招聘）