數(shù)據(jù)倉庫分層類型	架構(gòu)發(fā)明者	建模方式[5]	著作	數(shù)據(jù)倉庫特點	架構(gòu)圖
Kimball	Ralph Kimbal	維度建模	The Data Warehouse Toolkit	自底向上
Inmon	Bill Inmon	3NF范式建模	Building the Data Warehouse	自頂向下

這里Kimball中的星形結(jié)構(gòu)可以舉例如下[10]：

所以星型結(jié)構(gòu)中的每一個角都是不同的維度表，

他們的連接常常是通過join操作進行起來的。

層次	細分層次	實際舉例
ODS	-	web采集到的電商平臺消費數(shù)據(jù)存入kafka
DW	DWD（Data Warehouse Detail）	在DWD層會根據(jù)維度模型，設(shè)計事實表和維度表[2]
	DWM（Data WareHouse Middle）	在實際計算中，如果直接從DWD或者ODS計算出寬表的統(tǒng)計指標，會存在計算量太大并且維度太少的問題，因此一般的做法是，在DWM層先計算出多個小的中間表，然后再拼接成一張DWS的寬表。由于寬和窄的界限不易界定，也可以去掉DWM這一層，只留DWS層，將所有的數(shù)據(jù)在放在DWS亦可。（這個意思是說避免報表太卡頓，所以來個中間層先計算一部分）
	DWS（Data WareHouse Servce）	DWS層為公共匯總層，會進行輕度匯總，粒度比明細數(shù)據(jù)稍粗，基于DWD層上的基礎(chǔ)數(shù)據(jù)，整合匯總成分析某一個主題域的服務(wù)數(shù)據(jù)，一般是寬表。DWS層應(yīng)覆蓋80%的應(yīng)用場景。[2] 存放數(shù)據(jù)集市數(shù)據(jù)[3],即高度匯總的數(shù)據(jù)
DM	-
App	-	BI報表（展示給領(lǐng)導(dǎo)或者監(jiān)控室等）、推薦系統(tǒng)等

要不要嚴格遵守上面的每一層分別落實？
沒有這個必要，根據(jù)自己業(yè)務(wù)需求來，

例如采集的數(shù)據(jù)本身很干凈，那就沒必要清洗。

80%需求由20%的表來支持。

直接點講，就是大部分（80%以上）的需求，都用DWS的表來支持就行，

DWS支持不了的，就用DWM和DWD的表來支持，這些都支持不了的極少一部分數(shù)據(jù)需要從原始日志中撈取。

結(jié)合第一點來講的話就是：

80%的需求，我們都希望以對應(yīng)用很友好的方式來支持（DWD），而不是直接暴露給應(yīng)用方原始日志。[3]

來自[9]的一個舉例：

當(dāng)然[4][5][6]中也含有具體舉例

Reference：

[1]數(shù)據(jù)倉庫數(shù)據(jù)分層 - 李秋 - 博客園 (cnblogs.com)

[2](16條消息) 數(shù)據(jù)倉庫設(shè)計方案(轉(zhuǎn)載)_微電子學(xué)與固體電子學(xué)-CSDN博客

[3]數(shù)據(jù)倉庫--通用的數(shù)據(jù)倉庫分層方法 - 大蔥拌豆腐 - 博客園 (cnblogs.com)

[4]深入對比數(shù)據(jù)倉庫模式：Kimball vs Inmon - SegmentFault 思否

[5]通俗易懂?dāng)?shù)倉建模—Inmon范式建模與Kimball維度建模_wx5f5b2077bc1fb的技術(shù)博客_51CTO博客

[6]數(shù)據(jù)倉庫ODS、DW和DM概念區(qū)分 - 簡書 (jianshu.com)

[7](16條消息) 數(shù)據(jù)倉庫dw層_數(shù)據(jù)倉庫分層之辯_云女友的博客-CSDN博客

[8](16條消息) 數(shù)據(jù)倉庫中的Inmon與Kimball架構(gòu)之爭_Xlucas的博客-CSDN博客_inmon 數(shù)據(jù)倉庫

[9]數(shù)據(jù)倉庫搭建——Inmon與Kimball - 李秋 - 博客園 (cnblogs.com)

[10](24條消息) 數(shù)據(jù)倉庫學(xué)習(xí)（四）——星型模型與雪花模型_livan1234的博客-CSDN博客_星型模型

總結(jié)

以上是生活随笔為你收集整理的数据仓库分层类型-具体实例的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。