数据分析-[数据仓库]分层概念,ODS,DM,DWD,DWS,DIM的概念

零、数据加载层：ETL（Extract-Transform-Load）

一、数据运营层：ODS（Operational Data Store） 是最接近数据源中数据的一层,数据源中的数据，经过抽取、洗净、传输，也就说传说中的 ETL 之后，装入本层

二、数据仓库层：DW（Data Warehouse）

1. 数据明细层：DWD（Data Warehouse Detail）

2. 数据中间层：DWM（Data WareHouse Middle）

3. 数据服务层：DWS（Data WareHouse Servce）

三、数据应用层：APP（Application）

四、维表层：（Dimension）

• DWS：轻度汇总层，从ODS层中对用户的行为做一个初步的汇总，抽象出来一些通用的维度：时间、ip、id，并根据这些维度做一些统计值，比如用户每个时间段在不同登录ip购买的商品数等。这里做一层轻度的汇总会让计算更加的高效，在此基础上如果计算仅7天、30天、90天的行为的话会快很多。我们希望80%的业务都能通过我们的DWS层计算，而不是ODS。
• DWD：这一层主要解决一些数据质量问题和数据的完整度问题。比如用户的资料信息来自于很多不同表，而且经常出现延迟丢数据等问题，为了方便各个使用方更好的使用数据，我们可以在这一层做一个屏蔽。（汇总多个表）
• DIM：这一层比较单纯，举个例子就明白，比如国家代码和国家名、地理位置、中文名、国旗图片等信息就存在DIM层中。
• TMP：每一层的计算都会有很多临时表，专设一个DWTMP层来存储我们数据仓库的临时表。

本文转载汇总一些网络上的资料，详细的可以下方参考
推荐阅读：https://www.cnblogs.com/itboys/p/10592871.html（数据仓库--通用的数据仓库分层方法）

推荐阅读：https://baijiahao.baidu.com/s?id=1649349568939493055&wfr=spider&for=pc（如何深入浅出理解数据仓库建模？）

推荐阅读：https://www.csdn.net/gather_21/MtTaYgxsMTI2NS1ibG9n.html（数据仓库分层架构图）

推荐阅读：https://bigdata.51cto.com/art/201710/554810.htm（【漫谈数据仓库】 如何优雅地设计数据分层）