溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
今天小編給大家分享的是數據倉庫邏輯架構設計的介紹，相信很多人都不太了解，為了讓大家更加了解數據倉庫邏輯架構設計，所以給大家總結了以下內容，一起往下看吧。一定會有所收獲的哦。
離線數據倉庫通常基于維度建模理論來構建，離線數據倉庫通常從邏輯上進行分層，主要出于以下考慮：
1、隔離性：用戶使用的應該是數據團隊精心加工后的數據，而不是來自于業務系統的原始數據，這樣做的好處一是，用戶使用的是精心準備過的、規范的、干凈的、從業務視角的數據。非常容易理解和使用。二是如果上游業務系統發生變革甚至重構（比如表結構、字段、業務含義等），數據團隊會負責處理所有這些變化，最小化對下游用戶的影響。
2、性能和可為維護性： 專業的人做專業的事，數據分層使得數據的加工基本都在數據團隊，從而相同的業務邏輯不用重復執行，節省了相應的存儲和計算開銷。此外數據分層也使得數據倉庫的維護變得清晰和便捷，每層只負責各自的任務，某層的數據加工出現問題，只需要修改該層即可。
3、規范性：對于一個公司和組織來說，數據的口徑非常重要，大家談論一個指標的時候，必須基于一個明確的、公認i的口徑，此外表、字段以及指標必須進行規范。
4、ODS層：數據倉庫源頭系統的數據表通常會原封不動地存儲一份，這稱為ODS（Operation Data Store）層, ODS層也經常會被稱為準備區（Staging area）,它們是后續數據倉庫層（即基于Kimball維度建模生成的事實表和維度表層，以及基于這些事實表和明細表加工的匯總層數據）加工數據的來源，同時ODS層也存儲著歷史的增量數據或全量數據。
5、DWD和DWS層：數據倉庫明細層（Data Warehouse Detail ， DWD）和數據倉庫匯總層（Data Warehouse Summary, DWS）是數據倉庫的主題內容。DWD和DWS層的數據是ODS層經過ETL清洗、轉換、加載生成的，而且它們通常都是基于Kimball的維度建模理論來構建的，并通過一致性維度和數據總線來保證各個子主題的維度一致性。
6、應用層（ADS）：應用層主要是各個業務放或者部門基于DWD和DWS建立的數據集市(Data Mart，DM)，數據集市DM是相對于DWD和DWS的數據倉庫（Data Warehouse, DW）來說的。一般來說，應用層的數據來源于DW層，但原則上不允許直接訪問ODS層。此外，相比DW層，應用層只包含部門或因為方自己關心的明細層和匯總層數據。
以上就是數據倉庫邏輯架構設計的介紹的詳細內容了，看完之后是否有所收獲呢？如果想了解更多相關內容，歡迎來億速云行業資訊！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
