数据仓库分层设计在第六步中具体如何实施？

本文共计1301个文字，预计阅读时间需要6分钟。

当前主流的数据仓库分层结构大多为四层，也有五层架构。以下介绍基本的四层结构：

- 数据接入层（ODS）：数据源层，负责从各个数据源收集原始数据。- 数据仓库明细层（DW）：明细层，对ODS层的数据进行清洗、转换、汇总等操作。- 多维数据明细层（DWS）：对DW层的数据进行进一步汇总，形成多维数据模型。- 数据集市层（DM）：面向最终用户的数据集市，提供数据分析和报表服务。

目前主流的数据仓库分层大多为四层,也有五层的架构，这里介绍基本的四层架构。 分别为数据贴源层(ods)、数据仓库明细层(dw)、多维明细层(dws)和数据集市层(dm)。

  目前主流的数据仓库分层大多为四层,也有五层的架构，这里介绍基本的四层架构。 分别为数据贴源层(ods)、数据仓库明细层(dw)、多维明细层(dws)和数据集市层(dm)。

  下面是架构图：

  数据分层的目的是：减少重复计算，避免烟囱式开发，节省计算资源，靠上层次，越对应用友好，也对用户友好，希望大部分（80%以上）的需求，都用DWS，DW的表来支持就行，所以ODS层数据不能被DM层任务引用，需要抽取数据到DW,或者DWS。

  DWS汇总层应优先调用DW明细层。在调用可累加类指标计算时，DWS汇总层尽量优先调用已经产出的粗粒度汇总层，以避免大量汇总都直接从海量的明细数据层计算。