数据仓库分层

一、为什么要对数据仓库进行分层？
我们对数据进行分层的一个主要原因就是希望在管理数据的时候，能对数据有一个清晰的掌控，详细来讲有以下几个原因：
1.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够更方便的定位和理解。
2.空间换时间：通过建设多层次的数据模型供用户使用，避免用户直接使用底层操作型数据，可以更高效的访问数据。
3.把复杂问题简单化：将一个复杂任务分解成多个步骤来完成，每一层只处理单一的步骤，简单容易理解，而且便于维护数据的准确性，当数据出现问题后，不用修复所有的数据，只需要从有问题的步骤开始修复。
4.便于处理业务的变化：随着业务的变化，只需要调整底层的数据，对应用层对业务的调整零感知。

二、数据仓库标准上可以分为ODS、DW、DM和APP四层
1. ODS层（近源层、临时存储层）：从数据粒度上来说ODS层的数据粒度是最细的。ODS层的表通常包括两类，一个用于存储当前需要加载的数据，一个用于存储处理完后的历史数据。表结构与源系统表结构高度相似，通常在ods层主要会做字段的筛选，枚举值转换，编码统一，异常&缺失数据处理等操作
2.DW层（中间层）：按主题建模（域->主题）的明细数据层，数据粒度与ods层一致。
3.DM层（数据集市层）：集市层是按照业务主题、分主题构建出来的、面向特定部门或人员的数据集合。
4.APP（应用层）：这层数据是完全为了满足具体的分析需求而构建的数据，也是星形或雪花结构的数据。从数据粒度来说是高度汇总的数据。从数据的广度来说，则并不一定会覆盖所有业务数据。