数仓中数据分层的标准流向解读

在大数据开发中，数据分层是一个至关重要的概念。合理的数据分层可以有效地提升数据处理的效率和质量。本文将详细介绍数据分层的标准流向和相关注意事项，并结合实际应用进行说明。

数据分层的标准流向

根据行业标准，数据分层的标准流向如下：

ODS (Operational Data Store): 操作型数据存储，主要用于数据的初步清洗和整合。
DWD (Data Warehouse Detail): 数据仓库明细层，存储经过清洗和转换的详细数据。
DWS (Data Warehouse Summary): 数据仓库汇总层，存储汇总和聚合后的数据。
DM (Data Mart): 数据集市，面向具体业务场景提供定制化的数据服务。

需要注意的是，在这一标准流向中，禁止出现反向依赖，即下游数据层不应反向依赖上游数据层的数据。

维度数据流向

对于维度数据，可以从 DWD 流向 DIM 或者从 ODS 流向 DIM。在使用 ODS 直接到 DIM 的情况下，必须确保数据质量足够高，以避免数据误差的累积和放大。

数据引用和写入规则

DIM、DWS 和 DM 可以往自身分层写入数据，如不同粒度的数据写入。具体的引用和写入规则如下表所示：

数据流向示意图

为了更直观地展示数据流向，以下是数据流向的示意图：

更详细的流向：
数仓中数据分层的标准流向解读-LMLPHP

数据分层标准流向示例

为了更好地理解数据分层的标准流向，下面我们举几个实际应用中的例子来说明这些概念的具体使用场景。

示例 1：电商平台的订单数据处理

ODS 层：
- 电商平台每天会有大量的订单生成，这些原始订单数据首先会被存储到 ODS 层。此时的数据还未经过任何清洗和转换，直接从业务系统导出。
```
CREATE TABLE ods_order (
    order_id STRING,
    user_id STRING,
    product_id STRING,
    order_date STRING,
    order_amount DOUBLE
);
```

DWD 层：

订单数据从 ODS 层进入 DWD 层，在这里进行数据清洗、转换，去除重复数据，格式化日期等操作，以保证数据的准确性和一致性。

CREATE TABLE dwd_order (
    order_id STRING,
    user_id STRING,
    product_id STRING,
    order_date DATE,
    order_amount DOUBLE
);

INSERT INTO dwd_order
SELECT 
    order_id,
    user_id,
    product_id,
    TO_DATE(order_date, 'yyyy-MM-dd') AS order_date,
    order_amount
FROM ods_order
WHERE order_id IS NOT NULL;

DWS 层：

在 DWS 层，对订单数据进行聚合和汇总，生成每日、每月的销售报表等。

CREATE TABLE dws_daily_sales (
    sale_date DATE,
    total_sales DOUBLE
);

INSERT INTO dws_daily_sales
SELECT 
    order_date AS sale_date,
    SUM(order_amount) AS total_sales
FROM dwd_order
GROUP BY order_date;

DM 层：

最后，在 DM 层，为业务部门提供具体分析需求的数据，如按用户、按产品类别的销售情况等。

CREATE TABLE dm_user_sales (
    user_id STRING,
    total_sales DOUBLE
);

INSERT INTO dm_user_sales
SELECT 
    user_id,
    SUM(order_amount) AS total_sales
FROM dwd_order
GROUP BY user_id;

示例 2：金融机构的客户行为分析

ODS 层：

客户的原始交易记录会首先进入 ODS 层，这些数据来自不同的业务系统，包括 ATM 交易、POS 交易、网上银行交易等。

CREATE TABLE ods_transaction (
    transaction_id STRING,
    customer_id STRING,
    transaction_date STRING,
    transaction_amount DOUBLE,
    transaction_type STRING
);

DWD 层：

在 DWD 层，对交易数据进行清洗和标准化，去除重复数据，标准化交易类型等。

CREATE TABLE dwd_transaction (
    transaction_id STRING,
    customer_id STRING,
    transaction_date DATE,
    transaction_amount DOUBLE,
    transaction_type STRING
);

INSERT INTO dwd_transaction
SELECT 
    transaction_id,
    customer_id,
    TO_DATE(transaction_date, 'yyyy-MM-dd') AS transaction_date,
    transaction_amount,
    transaction_type
FROM ods_transaction
WHERE transaction_id IS NOT NULL;

DWS 层：

在 DWS 层，对交易数据进行汇总和分析，生成每日、每月的交易统计报表。

CREATE TABLE dws_monthly_transaction (
    transaction_month STRING,
    total_transactions INT,
    total_amount DOUBLE
);

INSERT INTO dws_monthly_transaction
SELECT 
    DATE_FORMAT(transaction_date, 'yyyy-MM') AS transaction_month,
    COUNT(transaction_id) AS total_transactions,
    SUM(transaction_amount) AS total_amount
FROM dwd_transaction
GROUP BY DATE_FORMAT(transaction_date, 'yyyy-MM');

DM 层：

在 DM 层，为风险管理部门提供客户行为分析的数据，如高频交易客户名单、异常交易行为分析等。

CREATE TABLE dm_high_freq_customers (
    customer_id STRING,
    transaction_count INT
);

INSERT INTO dm_high_freq_customers
SELECT 
    customer_id,
    COUNT(transaction_id) AS transaction_count
FROM dwd_transaction
GROUP BY customer_id
HAVING COUNT(transaction_id) > 100;

通过以上示例，可以清晰地看到数据从 ODS 层经过 DWD 层、DWS 层到 DM 层的流转过程。在每一层，数据都经过了一定的处理和转换，以适应不同的业务需求和分析场景。严格遵循数据分层的标准流向，可以有效地提高数据处理的效率和质量，保障数据的准确性和一致性。

数据小羊