說說數倉(3) - 數倉架構

說說數倉(1) - 什麽是數倉

說說數倉(2) - 傳統數倉與互聯網數倉

說說數倉(3) - 數倉架構

說說數倉(4) - 指標字典

說說數倉(5)-最重要的維度之日期維度

說說數倉(6)-關於命名規範

說說數倉(7)-淺談數據治理

說說數倉(8)-關於增量

說說數倉(9)-上下遊約定

說說數倉(10)-任務註釋

近幾年工作都和BI有關，但是真正對數倉有系統的了解還是在第壹家公司的時候，當時跟著IBM的顧問，了解了很多的模型設計的故事，對於入門和啟蒙有很大的幫助。後面對於數倉的理解，其實都是工作中壹點壹點實踐和摸索得來的。

前面我們說了傳統數倉和互聯網數倉的區別，主要提到了服務用戶群的不同，這裏說的傳統和互聯網其實都是相對而言的，這壹回呢，我們說說數倉的架構。

現在說數倉，更多的會和數據平臺或者基礎架構搭上，已經融合到整個基礎設施的搭建上。這裏呢，我們不說Hadoop各種組件之間的配合，我們就簡單說下數倉的分層架構。

說到數倉建模，就得提下經典的2套理論：

數倉的建模或者分層，其實都是為了更好的去組織、管理、維護數據，實際開發時會整合2種方式去使用，當然，還有些其他的，像Data Vault模型、Anchor模型，暫時還沒有應用過，就不說了。

維度建模，壹般都會提到星型模型、雪花模型，星型模型做OLAP分析很方便。

簡單點兒，直接ODS+DM就可以了，將所有數據同步過來，然後直接開發些應用層的報表，這是最簡單的了；當DM層的內容多了以後，想要重用，就會再拆分壹個公***層出來，變成3層架構，最近看了本阿裏的書，《大數據之路》，裏面有很多數倉相關的內容，很不錯，參考後，目前使用的分層模式如下：

按照這種分層方式，我們的開發重心就在dwd層，就是明細數據層，這裏主要是壹些寬表，存儲的還是明細數據；到了dws層，我們就會針對不同的維度，對數據進行聚合了，按道理說，dws層算是集市層，這裏壹般按照主題進行劃分，屬於維度建模的範疇；ads就是偏應用層，各種報表的輸出了。

基於這種分層方式，感覺用起來還是很方便的，嗯，先到這裏。