当前位置:首页 > 技术人生 > 大数据 > 正文内容

数据仓库建设规范指南——数仓各层开发规范

2022-04-08大数据149

1. ODS层设计规范

同步规范:

  • 一个系统源表只允许同步一次;

  • 全量初始化同步和增量同步处理逻辑要清晰;

  • 以统计日期和时间进行分区存储;

  • 目标表字段在源表不存在时要自动填充处理。

表分类与生命周期:

ods流水全量表:

  • 不可再生的永久保存;

  • 日志可按留存要求;

  • 按需设置保留特殊日期数据;

  • 按需设置保留特殊月份数据;

ods镜像型全量表:

  • 推荐按天存储;

  • 对历史变化进行保留;

  • 最新数据存储在最大分区;

  • 历史数据按需保留;

ods增量数据:

  • 推荐按天存储;

  • 有对应全量表的,建议只保留14天数据;

  • 无对应全量表的,永久保留;

ods的etl过程中的临时表:

  • 推荐按需保留;

  • 最多保留7天;

  • 建议用完即删,下次使用再生成;

BDSync非去重数据:

  • 通过中间层保留,默认用完即删,不建议保留。

数据质量:

  • 全量表必须配置唯一性字段标识;

  • 对分区空数据进行监控;

  • 对枚举类型字段,进行枚举值变化和分布监控;

  • ods表数据量级和记录数做环比监控;

  • ods全表都必须要有注释;

2. 公共维度层设计规范

1) 设计准则

一致性

共维度在不同的物理表中的字段名称、数据类型、数据内容必须保持一致(历史原因不一致,要做好版本控制)

维度的组合与拆分

组合原则:

将维度与关联性强的字段进行组合,一起查询,一起展示,两个维度必须具有天然的关系,如:商品的基本属性和所属品牌。

无相关性:如一些使用频率较小的杂项维度,可以构建一个集合杂项维度的特殊属性。

行为维度:经过计算的度量,但下游当维度处理,例:点击量 0-1000,100-1000等,可以做聚合分类。

拆分与冗余:

针对重要性,业务相关性、源、使用频率等可分为核心表、扩展表。

数据记录较大的维度,可以适当冗余一些子集。

2) 存储及生命周期管理

建议按天分区。

3个月内最大访问跨度<=4天时,建议保留最近7天分区;

3个月内最大访问跨度<=12天时,建议保留最近15天分区;

3个月内最大访问跨度<=30天时,建议保留最近33天分区;

3个月内最大访问跨度<=90天时,建议保留最近120天分区;

3个月内最大访问跨度<=180天时,建议保留最近240天分区;

3个月内最大访问跨度<=300天时,建议保留最近400天分区;

3. DWD明细层设计规范

1) 存储及生命周期管理

建议按天分区。

3个月内最大访问跨度<=4天时,建议保留最近7天分区;

3个月内最大访问跨度<=12天时,建议保留最近15天分区;

3个月内最大访问跨度<=30天时,建议保留最近33天分区;

3个月内最大访问跨度<=90天时,建议保留最近120天分区;

3个月内最大访问跨度<=180天时,建议保留最近240天分区;

3个月内最大访问跨度<=300天时,建议保留最近400天分区;

2) 事务型事实表设计准则

  • 基于数据应用需求的分析设计事务型事实表,结合下游较大的针对某个业务过程和分析指标需求,可考虑基于某个事件过程构建事务型实时表;

  • 一般选用事件的发生日期或时间作为分区字段,便于扫描和裁剪;

  • 冗余子集原则,有利于降低后续IO开销;

  • 明细层事实表维度退化,减少后续使用join成本。

3) 周期快照事实表

  • 周期快照事实表中的每行汇总了发生在某一标准周期,如某一天、某周、某月的多个度量事件。

  • 粒度是周期性的,不是个体的事务。

  • 通常包含许多事实,因为任何与事实表粒度一致的度量事件都是被允许的。

4) 累积快照事实表

  • 多个业务过程联合分析而构建的事实表,如采购单的流转环节。

  • 用于分析事件时间和时间之间的间隔周期。

  • 少量的且当前事务型不支持的,如关闭、发货等相关的统计。

4. DWS公共汇总层设计规范

数据仓库的性能是数据仓库建设是否成功的重要标准之一。聚集主要是通过汇总明细粒度数据来获得改进查询性能的效果。通过访问聚集数据,可以减少数据库在响应查询时必须执行的工作量,能够快速响应用户的查询,同时有利于减少不同用访问明细数据带来的结果不一致问题。

1) 聚集的基本原则

一致性。聚集表必须提供与查询明细粒度数据一致的查询结果。

避免单一表设计。不要在同一个表中存储不同层次的聚集数据。

聚集粒度可不同。聚集并不需要保持与原始明细粒度数据一样的粒度,聚集只关心所需要查询的维度。

2) 聚集的基本步骤

第一步:确定聚集维度

在原始明细模型中会存在多个描述事实的维度,如日期、商品类别、卖家等,这时候需要确定根据什么维度聚集,如果只关心商品的交易额情况,那么就可以根据商品维度聚集数据。

第二步:确定一致性上钻

这时候要关心是按月汇总还是按天汇总,是按照商品汇总还是按照类目汇总,如果按照类目汇总,还需要关心是按照大类汇总还是小类汇总。当然,我们要做的只是了解用户需要什么,然后按照他们想要的进行聚集。

第三步:确定聚集事实

在原始明细模型中可能会有多个事实的度量,比如在交易中有交易额、交易数量等,这时候要明确是按照交易额汇总还是按照成交数量汇总。

3) 公共汇总层设计原则

除了聚集基本的原则外,公共汇总层还必须遵循以下原则:

数据公用性。汇总的聚集会有第三者使用吗?基于某个维度的聚集是不是经常用于数据分析中?如果答案是肯定的,那么就有必要把明细数据经过汇总沉淀到聚集表中。

不跨数据域。数据域是在较高层次上对数据进行分类聚集的抽象。如以业务

区分统计周期。在表的命名上要能说明数据的统计周期,如 _Id表示最近1天,_td 表示截至当天,_nd 表示最近N天。

扫描二维码推送至手机访问。

本文链接:https://strivers.cn/post/76.html

来源: 大数据肌肉猿,链接:https://mp.weixin.qq.com/s/LSw6hRSbsFetYYNfw1b8Ow

分享给朋友:

发表评论

看不清,换一张

◎欢迎参与讨论,请在这里发表您的看法和观点。