如何优雅的设计DWS层？
The following article is from 云祁QI Author 云祁
文末数仓干货文章合集推荐
导读
对于数仓的分层，想必大家都不陌生。基于OneData方法论的三层数仓划分：数据引入层（ODS，Operational Data Store）、数据公共层（CDM，Common Dimenions Model）和数据应用层（ADS，Application Data Store）早就深入人心。
当然啦，涉及到每一层具体该怎么开发、建模，可能大家都有自己的理解。
但好在大家对数据建模重要性的认识那都是一致的，如果我们把指标比作树上的果实，那么模型就好比是大树的躯干，想让果实结得好，必须让树干变得粗壮。
我们先来回想下，构建数据中台的初衷是什么：
缺少可以复用的数据 大家不得不使用原始数据进行清洗、加工和计算指标 大量重复代码的开发对资源的消耗
问题的根源就在于数据模型的无法复用，以及数据开发都是烟囱式的。所以要解决这个问题，就要搞清楚健壮的数据模型该如何设计。
Part1常见的数仓分层设计思路
下图是数仓分层的逻辑架构图，大家不妨回忆一下数据模型的分层设计：
数据引入层（ODS，Operational Data Store，又称数据基础层）：将原始数据几乎无处理地存放在数据仓库系统中，结构上与源系统基本保持一致，是数据仓库的数据准备区。这一层的主要职责是将基础数据同步、存储。 数据公共层（CDM，Common Dimenions Model）：存放明细事实数据、维表数据及公共指标汇总数据。其中，明细事实数据、维表数据一般根据ODS层数据加工生成。公共指标汇总数据一般根据维表数据和明细事实数据加工生成。CDM层又细分为维度层（DIM）、明细数据层（DWD）和汇总数据层（DWS），采用维度模型方法作为理论基础， 可以定义维度模型主键与事实模型中外键关系，减少数据冗余，也提高明细数据表的易用性。在汇总数据层同样可以关联复用统计粒度中的维度，采取更多的宽表化手段构建公共指标数据层，提升公共指标的复用性，减少重复加工。 维度层（DIM，Dimension）：以维度作为建模驱动，基于每个维度的业务含义，通过添加维度属性、关联维度等定义计算逻辑，完成属性定义的过程并建立一致的数据分析维表。为了避免在维度模型中冗余关联维度的属性，基于雪花模型构建维度表。 明细数据层（DWD，Data Warehouse Detail）：以业务过程作为建模驱动，基于每个具体的业务过程特点，构建最细粒度的明细事实表。可将某些重要属性字段做适当冗余，也即宽表化处理。 汇总数据层（DWS，Data Warehouse Summary）：以分析的主题对象作为建模驱动，基于上层的应用和产品的指标需求，构建公共粒度的汇总指标表。以宽表化手段物理化模型，构建命名规范、口径一致的统计指标，为上层提供公共指标，建立汇总宽表、明细事实表。 数据应用层（ADS，Application Data Store）：存放数据产品个性化的统计指标数据，根据CDM层与ODS层加工生成。
Part2DWS层很重要？
通常，大家都会有这样的疑问：明明可以直接从DWD层取数，为什么要多此一举建立DWS的汇总逻辑表呢？
我想说的是：如果在业务场景不复杂的情况下，那样做是没有问题的。可一旦面对复杂的业务场景，那这种做法无疑是混乱的根源所在，前面提到的烟囱式开发、计算资源的浪费等等情况，正是这样产生的。
举个例子，我们需要的是从数据明细层中做一个初步的汇总，抽象出来一些通用的维度：时间、用户ID、IP等，并根据这些维度做一些统计，比如用户每个时间段在不同登录IP购买的商品数等。
这里做一层轻度的汇总会让计算更加的高效，在此基础上如果计算仅7天、30天、90天的行为的话会快很多。我们希望80%的业务都能通过我们的DWS层计算，而不是ODS或者DWD层。
Part3应该遵循的设计原则
聚集是指针对原始明细粒度的数据进行汇总。DWS汇总数据层是面向分析对象的主题聚集建模，以零售的场景为例，我们最终的分析目标为：最近一天某个类目（例如，厨具）商品在各省的销售总额、该类目销售额Top10的商品名称、各省用户购买力分布。
因此，我们可以以最终交易成功的商品、类目、买家等角度对最近一天的数据进行汇总。数据聚集的注意事项如下：
聚集是不跨越事实的。聚集是针对原始星形模型进行的汇总。为获取和查询与原始模型一致的结果，聚集的维度和度量必须与原始模型保持一致，因此聚集是不跨越事实的，所以原子指标只能基于一张事实表定义，但是支持原子指标组合为衍生原子指标。 聚集会带来查询性能的提升，但聚集也会增加ETL维护的难度。当子类目对应的一级类目发生变更时，先前存在的、已经被汇总到聚集表中的数据需要被重新调整。
此外，进行DWS层设计时还需遵循数据公用性原则。数据公用性需要考虑汇总的聚集是否可以提供给第三方使用。我们可以思考基于某个维度的聚集是否经常用于数据分析中，如果答案是肯定的，就有必要把明细数据经过汇总沉淀到聚集表中。
简单的说就是：
主题 宽表 轻度汇总
Part4图解DWS层设计流程
以电商零售的场景为例，我们已经基于ODS层的订单表、用户表、商品表、优惠券表等，经过ETL完成了DWD层的建模，一般是采用星型模型。
这里严格按照：业务过程→声明粒度→确认维度→确认事实 完成建模，过程如下：
接下来，便是到了DWS层设计的环节。按照我们上面的设计思路，通过从维度表去看事实表，便可得出每天的宽表。
这样即可统计各个主题对象的当天行为，服务于ADS层的主题宽表以及一些业务的明细数据，也可以以应对一些特殊的需求，例如：购买行为，统计商品复购率等。
通过外键获取相关的度量值，我们整合多个DWD的明细事实表度量值来构成新表。
在这里，我们还是要遵循上文提到的设计原则，在设计上尽量体现出公共性、使用简单并且用户很容易理解。
Part5思考：如何设计出完美的DWS层？
在我们数据中台实际实施落地的过程中，团队不但要建设公共数据层，形成数据中台，还要承担着新需求的压力。
往往我们要先满足需求（活下去），再研发公共数据层（构建美好未来），在满足业务需求的过程中，再根据需求不断对模型进行迭代和优化，随着时间的推移，越来越多的业务需求可以通过DWS层的数据完成。
这一过程中，完善度是很好的考核标准，主要看DWS层汇总的数据能满足多少的查询需求，如果汇总数据无法满足需求，使用数据的人就必须使用明细的数据，甚至是ODS层的原始数据。
DWS/ADS层的完善度越高，说明数据的上层建设越完善，而从使用者的角度来说，查询快、易取数、用的爽，那才是硬道理。
end ~
实时数仓：
编者寄语：
感谢大家一路陪伴。1000+个日日夜夜，如果你写过文章，你一定会懂。
坚持比努力更可怕。
读者朋友学到东西，认可"数据仓库与Python大数据"的价值，职业生涯因此受益。
这才是我们坚持分享文章的初衷。
与君共勉。
本公众号致力于建设大数据领域技术共享平台，3w+关注，保持日更，每天08:16发文，为您提供优秀高质量的大数据领域的分享。欢迎推荐给同行朋友，加群或投稿或转载可加v：iom1128，备注：数据，谢谢！