在一篇部落格看見了有關資料倉儲分層的內容， 概括如下：
複製層（ssa,system-of-records-staging-area）
ssa 直接複製源系統的資料，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。
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。
根據以上資料，介紹下我們所做的資料倉儲的分層。
數倉一（sas+lsf+oracle）：
landing 該層表都帶有land，主要是通過sas將檔案載入到該層，沒有對原始檔進行過處理。但是新增了時間戳字段，比如載入檔案的日期和原始檔資料的日期。
staging層表在land表基礎上進行了簡單的處理，一般乙個land表對應乙個stg表。
ods層
資料倉儲架構分層
資料倉儲簡介 有些人不理解資料倉儲，認為資料倉儲就是獲取資料，只要會使用hadoop spark等大資料工具就懂資料倉儲，這樣的認識太片面。如果要從海量資料中總結出乙個報表或者是多個報表，大資料工程師足以 如果在有限的資源動態的資料情況下，向前可歷史追溯，向後對不斷增加的報表實現相容，這就需要一套科...
資料倉儲分層架構設計
大資料資料倉儲是基於hive構建的資料倉儲，分布檔案系統為hdfs，資源管理為yarn，計算引擎主要包括mapreduce tez spark等，分層架構如下 1 資料 層 日誌或者關係型資料庫，並通過flume sqoop kettle等etl工具匯入到hdfs，並對映到hive的資料倉儲表中。2...
資料倉儲分層架構設計
這應該是資料倉儲同學在設計資料分層時首先要被挑戰的問題，類似的問題可能會有很多，比如說 為什麼要做資料倉儲？為什麼要做元資料管理？為什麼要做資料質量管理？當然，這裡我們只聊一下為什麼要做設計資料分層。作為一名資料的規劃者，我們肯定希望自己的資料能夠有秩序地流轉，資料的整個生命週期能夠清晰明確被設計者...