ods層：
資料**及建模方式：各業務系統的源資料，物理模型與業務模型一致；
服務領域： 為其它邏輯層提供資料；
資料etl過程描述：把業務資料抽取落地成文字檔案，再裝載到資料倉儲ods層，不做清洗轉化。
功能：1）ods是數倉準備區
2）為dwd提供原始資料
3）減少對業務系統影響
建模方式及原則：
資料保留時間根據實現業務需求而定；
可以分表進行週期性儲存，儲存週期不長；
從業務系統以增量方式抽取載入到ods；
資料模型與粒度與業務系統一致（3nf）。
dwd層：
資料**及建模方式：資料來自於ods層，是dw明細事實層，資料模型與ods層一致；
服務領域：為edw提供各主題業務明細資料；
資料etl過程描述：根據ods增量資料和前一天dwd相關表進行merge生成全量資料，不做清洗轉化，保留原始全量資料。
功能：1）為dw層提供**明細資料
2）為未來分析類需求的擴充套件提供歷史資料支援。
建模方式及原則：
為支援資料重跑可額外增加資料業務日期字段；
可按天月年進行分表；
dw層：
資料**及建模方式：資料來自dwd層，是dw事實層，採用維度建模，星型架構,這一層可細分為dwb與dws;
服務領域：為eds提供各主題業務明細；
資料etl過程描述：從dwd層進行輕度清洗，轉化，彙總生成dw層資料，如字元合併，email,證件號，日期，手機號轉換合併；按各個維度進行聚合彙總。
dm層：
資料**及建模方式：資料來自dw層，採用維度建模，星型架構；
服務領域：資料探勘，自定義查詢，應用集市；
資料etl過程描述：從dw層進行粗粒度聚合彙總，按業務需求對事實進行拉寬形成寬表。
st層：
資料**及建模方式：資料來自dw層，採用維度建模，星型架構；
服務領域：前端報表展示，主題分析，kpi報表；
資料etl過程描述：從dw層進行粗粒度聚合彙總，如按年、月、季、天對一些維度進行聚合生成業務需求的事實資料。
數倉分層模型架構分享（3）
文章在京東系資料倉儲建設方案的基礎上，加上自己獨特的理解，很能給人以參考和啟發。原文 對於大資料來說，數倉的作用不言而喻，承載著整個公司全業務線的資料，現階段，在hadoop上的數倉主要是用來解決企業內部資料的分析，尤其是各種各樣的統計分析報表。本文主要結合自己公司目前數倉的結構設計和現階段解決的問...
數倉分層設計
介紹資料分層的作用 提出一種通用的資料分層設計，以及分層設計的原則 舉出具體的例子說明 提出可落地的實踐意見 0x01 資料分層？為什麼要設計資料分層？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...
數倉分層總結
數倉分層 ods層 1 保持教據原貌不做任何修改，備份 2 建立分割槽表，防止後續的全表掃瞄 3 採用lzo壓縮，並建立索引 切片 4 建立外部表 多人共用 內部表 自己使用的臨時表 dwd層 1 數倉維度建模 星型模型 維度退化 商品表 品類表 spu表 分類 二級分類 一級分類 商品表 省份 地...