今天小编给大家分享的是数据仓库逻辑架构设计的介绍，相信很多人都不太了解，为了让大家更加了解数据仓库逻辑架构设计，所以给大家总结了以下内容，一起往下看吧。一定会有所收获的哦。离线数据仓库通常基于维度建模理论来构建，离线数据仓库通常从逻辑上进行分层，主要出于以下考虑：1、隔离性：用户使用的应该是数据团队精心加工后的数据，而不是来自于业务系统的原始数据，这样做的好处一是，用户使用的是精心准备过的、规范的、干净的、从业务视角的数据。非常容易理解和使用。二是如果上游业务系统发生变革甚至重构（比如表结构、字段、业务含义等），数据团队会负责处理所有这些变化，最小化对下游用户的影响。2、性能和可为维护性： 专业的人做专业的事，数据分层使得数据的加工基本都在数据团队，从而相同的业务逻辑不用重复执行，节省了相应的存储和计算开销。此外数据分层也使得数据仓库的维护变得清晰和便捷，每层只负责各自的任务，某层的数据加工出现问题，只需要修改该层即可。3、规范性：对于一个公司和组织来说，数据的口径非常重要，大家谈论一个指标的时候，必须基于一个明确的、公认i的口径，此外表、字段以及指标必须进行规范。4、ODS层：数据仓库源头系统的数据表通常会原封不动地存储一份，这称为ODS（Operation Data Store）层, ODS层也经常会被称为准备区（Staging area）,它们是后续数据仓库层（即基于Kimball维度建模生成的事实表和维度表层，以及基于这些事实表和明细表加工的汇总层数据）加工数据的来源，同时ODS层也存储着历史的增量数据或全量数据。5、DWD和DWS层：数据仓库明细层（Data Warehouse Detail ， DWD）和数据仓库汇总层（Data Warehouse Summary, DWS）是数据仓库的主题内容。DWD和DWS层的数据是ODS层经过ETL清洗、转换、加载生成的，而且它们通常都是基于Kimball的维度建模理论来构建的，并通过一致性维度和数据总线来保证各个子主题的维度一致性。6、应用层（ADS）：应用层主要是各个业务放或者部门基于DWD和DWS建立的数据集市(Data Mart，DM)，数据集市DM是相对于DWD和DWS的数据仓库（Data Warehouse, DW）来说的。一般来说，应用层的数据来源于DW层，但原则上不允许直接访问ODS层。此外，相比D开发云主机域名W层，应用层只包含部门或因为方自己关心的明细层和汇总层数据。以上就是数据仓库逻辑架构设计的介绍的详细内容了，看完之后是否有所收获呢？如果想了解更多相关内容，欢迎来开发云行业资讯！
将此脚本复制两次到/usr/local/bin, 分别命名为master_ip_failover 和master_ip_online_change_script 然后将/etc/app1.cnf 中下开发云主机域名面两行注释去掉：相关推荐: 查看和设置MySQ…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
