數據倉庫緯度模型設計
1. 緯度建模基本概念維度模型是數據倉庫領域大師Ralph Kimall所倡導,他的《數據倉庫工具箱》,是數據倉庫工程領域最流行的數倉建模經典。維度建模以分析決策的需求出發構建模型,構建的數據模型為分析需求服務,因此它重點解決用户如何更快速完成分析需求,同時還有較好的大規模複雜查詢的響應性能。維度建模是專門應用於分析型數據庫、數據倉庫、數據集市建模的方法。數據集市可以理解為是一種"小型數據倉庫"。1.1事實表發生在現實世界中的操作型事件,其所產生的可度量數值,存儲在事實表中。從最低的粒度級別來看,事實錶行對應一個度量事件,反之亦然。
事實表表示對分析主題的度量。比如一次購買行為我們就可以理解為是一個事實。
圖中的訂單表就是一個事實表,可以理解他就是在現實中發生的一次操作型事件,每完成一個訂單,就會在訂單中增加一條記錄。
事實表的特徵:表裏沒有存放實際的內容,他是一堆主鍵的集合,這些ID分別能對應到維度表中的一條記錄。事實表包含了與各維度表相關聯的外鍵,可與維度表關聯。事實表的度量通常是數值類型(條/個/次),且記錄數會不斷增加,表數據規模迅速增長。1.2維度表維度表示要對數據進行分析時所用的一個量,比如你要分析產品銷售情況,你可以選擇按類別進行分析,或按區域分析。這樣的按…分析就構成一個維度。上圖中的用户表、商家表、時間表這些都屬於維度表。這些表都有一個唯一的主鍵,然後在表中存放了詳細的數據信息。例如:交易金額分析分析
男性用户的訂單金額、聯想商品的訂單金額、第一季度的訂單金額、手機的訂單金額、家裏下單的訂單金額。
例如:學生分析
姓張的同學有多少、男性的同學有多少、江蘇的同學有多少、身高小於170cm的同學有多少、年齡小於23歲的同學有多少。
維度表的特徵:每個維度表都包含單一的主鍵列。維度表的主鍵可以作為與之關聯的任何事實表的外鍵,當然,維度錶行的描述環境應與事實錶行完全對應。維度表通常比較寬,是扁平型非規範表,包含大量的低粒度的文本屬性。總的説來,在數據倉庫中不需要嚴格遵守規範化設計原則。因為數據倉庫的主導功能就是面向分析,以查詢為主,不涉及數據更新操作。需要強調的是:
事實表的設計是以能夠正確記錄歷史信息為準則。
維度表的設計是以能夠以合適的角度來聚合主題內容為準則。
2. 維度建模三種模式2.1星形模型星形模式(Star Schema)是最常用的維度建模方式。星型模式是以事實表為中心,所有的維度表直接連接在事實表上,像星星一樣。
星形模式的維度建模由一個事實表和一組維度表成,且具有以下特點:
a. 維表只和事實表關聯,維表之間沒有關聯;
b. 每個維表主鍵為單列,且該主鍵放置在事實表中,作為兩邊連接的外鍵;
c. 以事實表為核心,維度表圍繞核心呈星形分佈;
2.2雪花模式
雪花模式(Snowflake Schema)是對星形模式的擴展。雪花模式的維度表可以擁有其他維度表的,雖然這種模型相比星型更規範一些,但是由於這種模型不太容易理解,維護成本比較高,而且性能方面需要關聯多層維表,性能也比星型模型要低。所以一般不是很常用。
2.3星座模式
星座模式是星型模式延伸而來,星型模式是基於一張事實表的,而星座模式是基於多張事實表的,而且共享維度信息。
前面介紹的兩種維度建模方法都是多維表對應單事實表,但在很多時候維度空間內的事實表不止一個,而一個維表也可能被多個事實表用到。在業務發展後期,絕大部分維度建模都採用的是星座模式。
數據倉庫分層架構
1. 為什麼要分層分層的主要原因是在管理數據的時候,能對數據有一個更加清晰的掌控,詳細來講,主要有下面幾個原因:
清晰數據結構:
每一個數據分層都有它的作用域,這樣我們在使用表的時候能更方便地定位和理解。
方便數據血緣追蹤:
簡單來説,我們最終給業務呈現的是一個能直接使用業務表,但是它的來源有很多,如果有一張來源表出問題了,我們希望能夠快速準確地定位到問題,並清楚它的危害範圍。
減少重複開發:規範數據分層,開發一些通用的中間層數據,能夠減少極大的重複計算。
把複雜問題簡單化:
將一個複雜的任務分解成多個步驟來完成,每一層只處理單一的步驟,比較簡單和容易理解。而且便於維護數據的準確性,當數據出現問題之後,可以不用修復所有的數據,只需要從有問題的步驟開始修復。
屏蔽原始數據的異常:
屏蔽業務的影響,不必改一次業務就需要重新接入數據。
2.數倉分層思想數據分層,每個企業根據自己的業務需求可以分成不同的層次,但是最基礎的分層思想,理論上數據分為三個層,數據運營層、數據倉庫層、數據服務層。基於這個基礎分層之上添加新的層次,來滿足不同的業務需求。數據運營層(ODS)Operatedata store(操作數據-存儲),是最接近數據源中數據的一層,數據源中的數據,經過抽取、洗淨、傳輸,也就説傳説中的ETL之後,裝入ODS層。本層的數據,總體上大多是按照源頭業務系統的分類方式而分類的。
例如:MySQL裏面的一張表可以通過sqoop之間抽取到ODS層。
ODS層數據的來源方式:
業務庫
經常會使用sqoop來抽取,比如我們每天定時抽取一次。在實時方面,可以考慮用canal監聽mysql的binlog,實時接入即可。
埋點日誌
線上系統會打入各種日誌,這些日誌一般以文件的形式保存,我們可以選擇用flume定時抽取,也可以用用spark streaming或者Flink來實時接入,當然,kafka也會是一個關鍵的角色。
消息隊列
來自ActiveMQ、Kafka的數據等。
數據倉庫層(DW)
Datawarehouse(數據倉庫)。在這裏,從ODS層中獲得的數據按照主題建立各種數據模型。例如以研究人的旅遊消費為主題的數據集中,便可以結合航空公司的登機出行信息,以及銀聯繫統的刷卡記錄,進行結合分析,產生數據集。在這裏,我們需要了解四個概念:維(dimension)、事實(Fact)、指標(Index)和粒度( Granularity)。
DW數據分層,由下到上為 DWD,DWB,DWS:
DWD:data warehouse detail細節數據層,是業務層與數據倉庫的隔離層。
DWB:data warehouse base 基礎數據層,存儲的是客觀數據,一般用作中間層,可以認為是大量指標的數據層。
DWS:data warehouseservice 服務數據層,基於DWB上的基礎數據,整合彙總成分析某一個主題域的服務數據,一般是寬表。
數據服務層/應用層(ADS):ApplicationData Service(應用數據服務)。該層主要是提供數據產品和數據分析使用的數據,一般會存放在ES、MySQL等系統中供線上系統使用。
例如:我們經常説的報表數據,或者説那種大寬表,一般就放在這裏。
下面為大家介紹一下阿里巴巴的數據倉庫分層架構:
3. 阿里巴巴數據倉庫分層架構
(1)ODS 數據準備層 功能:ODS層是數據倉庫準備區,為DWD層提供基礎原始數據,可減少對業務系統的影響。建模方式及原則:
從業務系統增量抽取、保留時間由業務需求決定、可分表進行週期存儲、數據不做清洗轉換與業務系統數據模型保持一致、按主題邏輯劃分。
(2)DWD 數據明細層 功能:
為DW層提供來源明細數據,提供業務系統細節數據的長期沉澱,為未來分析類需求的擴展提供歷史數據支撐。
建模方式及原則:
數據模型與ODS層一致,不做清洗轉換處理,為支持數據重跑可額外增加數據業務日期字段、可按年月日進行分表、用增量ODS層數據和前一天DWD相關表進行merge處理。
(3)DW(B/S) 數據彙總層功能:為DW、ST層提供細粒度數據,細化成DWB和DWS;
DWS是根據DWB層數據按各個維度ID進行高粒度彙總聚合,如按交易來源,交易類型進行匯合。
建模方式及原則:
數據模型可能採用反範式設計,合併信息等。
(4)DataMarket(數據集市)層功能:
滿足一些特定查詢、數據挖掘應用;
應用集市數據存儲
建模方式及原則:
分表存儲
(5)ST 數據應用層(ADS層)功能:
聯機事務處理OLTP、聯機分析處理OLAP。
OLTP是傳統的關係型數據庫的主要應用,主要是基本的、日常的事務處理,例如銀行交易。OLAP是數據倉庫系統的主要應用,支持複雜的分析操作,側重決策支持,並且提供直觀易懂的查詢結果。
OLAP聯機分析處理的用户是企業中的專業分析人員及管理決策人員,他們在分析業務經營的數據時,從不同的角度來審視業務的衡量指標是一種很自然的思考模式。例如分析銷售數據,可能會綜合時間週期、產品類別、分銷渠道、地理分佈、客户羣類等多種因素來考量。
根據DW層經過聚合彙總統計後的粗粒度事實表
建模方式及原則:
不分表存儲