1. 複製層（ssa,system-of-records-staging-area）
ssa 直接複製源系統(比如從mysql中讀取所有資料匯入到hive中的同結構表中，不做處理)的資料，盡量保持業務資料的原貌；與源系統資料唯一不同的是，ssa 中的資料在源系統資料的基礎上加入了時間戳的資訊，形成了多個版本的歷史資料資訊。也叫登台區。
2. 原子層（sor,system-of-record）
sor 是基於模型開發的一套符合 3nf 正規化規則的表結構，它儲存了資料倉儲內最細層次的資料，並按照不同的主題域對資料分類儲存；比如高校資料統計服務平台根據目前部分需求將全校資料在 sor 層中按人事、學生、教學、科研四大主題儲存；sor 是整個資料倉儲的核心和基礎，在設計過程中應具有足夠的靈活性，以能應對新增更多的資料來源、支援更多的分析需求，同時能夠支援進一步的公升級和更新。
3 .彙總層（sma,summary-area）
sma 是 sor和dm（集市層） 的中間過渡，由於 sor 是高度規範化資料，此要完成乙個查詢需要大量的關聯工作，同時dm 中的資料粒度往往要比 sor 高很多，對要生dm 中的彙總資料需要進行大量的彙總工作，此sma 根據需求把 sor 資料進行適度的反範(例如，設計寬表結構將人員資訊、幹部資訊等多表的資料合併起來）和彙總（例如，一些常用的頭彙總、機構彙總等）；從而提高資料倉儲查詢效能。
4 .集市層/展現層（dm, data mart）
dm 儲存的資料供使用者直接訪問的，可以將 dm 理解成終端使用者接最終想要看的資料；dm 主要是各類粒度的事資料，通過提供不同粒度的資料，適應不同的數訪問需求；高校資料統計服務平台 dm 中的資料。
1，2，4都相同，就是3由彙總層（sma,summary-area）改為dpa(資料管道區,data pipeline area),定義也有區別。
dpa資料儲存的還是明細級別的寬表資料，而非按細粒度（天）的彙總；而sma是根據需求把 sor 資料進行適度的反範(例如，設計寬表結構將人員資訊、幹部資訊等多表的資料合併起來）和彙總（例如，一些常用的頭彙總、機構彙總等）。
dpa(資料管道區,data pipeline area)或叫維度標籤明細層，主要包含如下一些部分，最細粒度的主鍵、下游報表需要展現的維度、數量金額型的度量、報表指標等的一些彙總性指標（打標籤）、報表篩選時用到的過濾欄位及下鑽到明細要展示的屬性字段等等。
考慮到資料的效能，標籤值應該用（0，1）表示，而不能將不符便條件的置空。
個人的想法，數倉以後的類似專案可以由如下幾層構成，ssa-->sor-->dpa-->dds。
其中，dds（維度資料儲存 dimensional data storage）與原始方案及蘇寧售後的集市展現層(dm, data mart)應無本質區別，可能主要是分層的名稱都由三個字母組成，方便好記。
蘇寧零售雲 App 穩定保障實踐
n n 零售雲主要是to b的業務，目標t4 t6級市場的加盟店，授權店，跟to c業務相比，有以下有個不同點 n n 1 系統問題需要門店上報給運營，運營再同步給研發負責人，問題的流程較長響應比較慢。n2 研發需要跟門店人員確認操作過程，甚至借用登入賬號，體驗不好。n n 在監控上我們做了兩個方面...
蘇寧零售雲 App 穩定保障實踐
零售雲主要是to b的業務，目標t4 t6級市場的加盟店，授權店，跟to c業務相比，有以下有個不同點 1 系統問題需要門店上報給運營，運營再同步給研發負責人，問題的流程較長響應比較慢。2 研發需要跟門店人員確認操作過程，甚至借用登入賬號，體驗不好。在監控上我們做了兩個方面的工作 1 雲跡效能監控，...
蘇寧零售雲 App 穩定保障實踐
零售雲主要是to b的業務，目標t4 t6級市場的加盟店，授權店，跟to c業務相比，有以下有個不同點 1 系統問題需要門店上報給運營，運營再同步給研發負責人，問題的流程較長響應比較慢。2 研發需要跟門店人員確認操作過程，甚至借用登入賬號，體驗不好。在監控上我們做了兩個方面的工作 1 雲跡效能監控，...