项目的架构

架构图

架构图说明

• Zookeeper：集群管理工具，主要服务于hadoop高可用，以及其他基于zookeeper管理的大数据软件
• HDFS：大数据最终数据的储存
• YARN：负责资源的分配
• HIVE：用于编写SQL进行数据分析
• Oozie：主要负责自动化定时调度
• Sqoop：用户关系数据库的导入导出
• Flume：日志文件的导入导出
• HUE：提升hadoop的用户体验，可以比较友好的操作hdfs，hive等
• FineBI：数据报表展示工具
• Cloudera Manager大数据统一管理平台，它负责安装软件、配置、启动和停止服务以及管理运行服务的群集。

数据仓库分层

为什么要对数据仓库分层

分层的主要原因是在管理数据的时候，能对数据有一个更加清晰的掌控。那么数据分层优点有哪些呢？

• 清晰数据结构：每一个数据分层都有它的作用域，这样我们在使用表的时候能更方便地定位和理解。
• 依赖关系直观：依赖关系明确，出问题后很容易顺着依赖关系找到原因。
• 减少重复开发：开发一些通用的中间层数据，能够减少极大的重复计算。
• 把复杂问题简单化：将一个复杂的任务分解成多个步骤来完成，每一层只处理单一的步骤。

注意：数据分层后，数据会经多层，因此数据仓库会存在大量冗余的中间数据。这些中间数据，缓存多久需要考虑。

数仓分层思想

操作数据层(ODS)

Operate data store（操作数据存储），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ODS层。注意，一般是从业务系统增量抽取，生成的数据保留时间由业务需求决定。

数据仓库层（DW）

Data warehouse（数据仓库）。在这里，从ODS层中获得的数据按照主题建立各种数据模型。例如以研究人的旅游消费为主题的数据集中，便可以结合航空公司的登机出行信息，以及银联系统的刷卡记录，进行结合分析，产生数据集。在这里，我们需要了解四个概念：维（dimension）、事实（Fact）、指标（Index）和粒度（ Granularity）。

DW数据分层，由下到上为 DWD,DWB,DWS

DWD：data warehouse detail 细节数据层，是ODS与数据仓库的隔离层。主要是对ODS数据层做一些数据的清洗和规范化的操作，比如去除空数据、脏数据、离群值等。

DWB：data warehouse base 基础数据层，在DWD层的数据基础上，对数据做一些轻微的聚合操作，生成一些列的中间结果表，提升公共指标的复用性，减少重复加工的工作。

DWS：data warehouse service 服务数据层，该层是基于DWM上的基础数据，整合汇总成分析某一个主题域的数据服务层，一般是宽表，用于提供后续的业务查询，OLAP分析，数据分发等。

数据应用层（APP）

该层主要是提供数据产品和数据分析使用的数据，一般会存放在ES、MySQL等系统中供线上系统使用，也可能会存在Hive或者Druid中供数据分析和数据挖掘使用。

事实表，纬度表

事实表（Fact Table）

是指存储有事实记录的表，如系统日志、销售记录等；事实表的记录在不断地动态增长，所以它的体积通常远大于其他表。事实表作为数据仓库建模的核心也是维度建模的核心表，需要根据业务过程来设计。

每个数据仓库都包含一个或者多个事实数据表，事实表是对分析主题的度量，它包含了与各维度表相关联的外键，并通过连接(Join)方式与维度表关联。

维度表（Dimension Table）

维度就是看待问题的角度，分析业务数据，从什么角度分析，就建立什么样的维度。所以维度就是要对数据进行分析时所用的一个量，比如你要分析产品销售情况，你可以选择按商品类别来进行分析，这就构成一个维度，把所有商品类别集合在一起，就构成了维度表。

纬度表相当于将事实表上经常重复出现的属性抽取、规范出来用一张表进行管理。常见的维度表有：日期表（存储与日期对应的周、月、季度等的属性）、地点表（包含国家、省／州、城市等属性）等。维度是维度建模的基础和灵魂。使用维度表有诸多好处

• 缩小了事实表的大小。
• 便于维度的管理和维护，增加、删除和修改维度的属性，不必对事实表的大量记录进行改动。
• 维度表可以为多个事实表重用，以减少重复工作。

粒度

事实表的粒度，决定了数据仓库中数据的详细程度。可以理解成一行的详细程度，例如销售记录表中每条销售记录是最小粒度，按小时分组销售是一个粒度，按天，按周等。

粒度是指数据仓库的数据单位中，保存数据的细化程度的级别。简单点来看，在实事表中一条记录所表达的业务细节，就是粒度。

指标

用来定义、评价和描述特定事物的一种标准或方式。比如：新增用户数、累计用户数、用户活跃率等是衡量用户发展情况的指标。

纬度建模技术知识

维度建模是一种将大量数据结构化的逻辑设计手段，包含维度和指标，它不像ER模型目的是消除冗余数据，维度建模是面向分析，最终目的是提高查询性能，所以会增加数据冗余，并且违反三范式。

维度建模一般可以分为三种：

• 星型模型
• 雪花模型
• 星座模型

其中最常用的其实是星型模型

扩展阅读

尚硅谷数据仓库实战之2数仓分层+维度建模

最后更新于  2022-10-21 16:21:24  并被添加「数据仓库 hive」标签，已有 1021 位童鞋阅读过。

本站使用「署名 4.0 国际」创作共享协议，可自由转载、引用，但需署名作者且注明文章出处

相关文章

• Hive与数据仓库