5分钟看懂:如何构建一个数据仓库? | 您所在的位置:网站首页 › 5分钟看懂台湾这一年发生了什么 › 5分钟看懂:如何构建一个数据仓库? |
实用干货来了! 有朋友私信我,说希望了解数仓的整体建设中的细节及模板。那有啥说的,上干货! 数仓全景图镇楼 00 建设过程 数仓建模的过程分为业务建模、领域建模、逻辑建模和物理建模,但是这 些步骤比较抽象。为了便于落地,我根据自己的经验,总结出上面的七个步骤:梳理业务流程、垂直切分、指标体系梳理、实体关系调研、维度梳理、数仓分层以及物理模型建立。每个步骤不说理论,直接放工具、模板和案例。 01 业务流程 1 找到公司核心业务流程,找到谁,在什么环节,做什么关键动作,得到什么结果。 2 梳理每个业务节点的客户及关注重点,找到数据在哪。 02 分域/主题 3 决定数仓的建设方式,快速交活,就用自下而上的建设。要全面支撑,就顶层规划,分步实施,交活稍微慢点。 4 同时按照业务领域划分主题域。主题域的划分方法有:按业务流划分(推荐)、按需求分、按职责分、按产品功能分等。 03 指标体系 5 指标的意义在于统一语言,统一口径。所以指标的定义必须有严格的标准。否则如无根之水。 指标可分为原子指标、派生指标和衍生指标,其含义及命名规则举例如下: 6 依照指标体系建设标准,开始梳理指标体系。整个体系同样要以业务为核心进行梳理。同时梳理每个业务过程所需的维度。维度就是你观察这个业务的角度,指标就是衡量这个业务结果 好坏的量化结果。 请注意,此时不能被现有数据局限。如果分析出这个业务过程应该有这个指标,但是没有数据,请标注出来,提出收集数据的需求。 04 实体关系 7 每个业务动作都会有数据产生。我们将能够获取到的数据,提取实体,绘制ER图,便于之后的维度建模。 8 同样以业务过程为起点向下梳理,此时的核心是业务表。把每张表中涉及的维度、指标都整理出来。 05 维度整理 9 维度标准化是将各个业务系统中相同的维度进行统一的过程。其字段名称、代码、名字都可能不一样,我们需要完全掌握,并标准化。 维度的标准尽可能参照国家标准、行业标准。例如地区可以参照国家行政区域代码。 另外,有些维度存在层级,如区域的省、市、县。绝大多数业务系统中的级联就是多层级维度。 06 数仓分层 10 数据仓库一般分为4层,名字可能会不一样,但是其目的和建设方法基本一致: 每一层采用的建模方法都不一样,其核心是逐层解耦。越到底层,越接近业务发生的记录,越到上层,越接近业务目标。 11 依托数仓分层的设计理论,根据实际业务场景,我们就可以梳理出整体的数据流向图。这张图会很清晰的告诉所有人,数据从那来,到哪里去,最终提供什么样的服务。 07 模型建立 12 此时才真正进入纯代码阶段。数仓、ETL工具选型;ETL流程开发;cube的建立;任务调度,设定更新方式、更新频率;每日查看日志、监控etl执行情况等等。 前面梳理清楚了,ETL会变的非常清晰 私货 1、数仓建设必须从业务中来,到业务中去; 2、数仓分层的目的是业务解耦; 3、无论哪种建模方式,其核心是业务实体; 4、按领域建设能快速交活,后遗症将会在2年之后爆发,且难以解决; 5、数仓建设应该把75%的时间投入到设计阶段,如果不是,那你就惨了; 6、数仓本身也可以迭代。 7、传统数仓并没有一种叫做“宽表模型”的模型,大数据时代新诞生的名词,因为很多大数据组件join代价极高。实际上是范式退化。 数据湖,比“数据中台”更需要重视的概念|腾研识者 Flink + Iceberg 全场景实时数仓的建设实践 如何理解《2020年大数据白皮书》的大数据技术最新发展趋势? 原创 基于 Flink SQL 构建流批一体的 ETL 数据集成 万字长文解读最新最全的大数据技术体系图谱! 如何更深刻的理解 “Gartner2020年数据与分析技术十大趋势”的内涵? 点击左下角“阅读原文”查看更多精彩文章,公众号推送规则变了,如果您想及时收到推送,麻烦右下角点个在看或者把本号置顶! ????分享、点赞、在看,给个3连击吧!???? |
CopyRight 2018-2019 实验室设备网 版权所有 |