1、为什么要进行规范设计
无规矩、不方圆。规范设计是在具体开发工作之前制定的,过程中不断进行完善。目的在于约束 N 个人对齐认知,按照一个标准或流程进行开发,以保证数据一致性,流程清晰且稳定。
一个良好的规范设计,应当起到以下作用:提高开发效率,提升质量,降低沟通对齐成本,降低运维成本等。
下面将带领大家盘一盘数据仓库有哪些规范,从中挑选几个重点细说:
- 设计规范
逻辑架构、技术架构、分层设计、主题划分、方法论
- 命名规范
各层级命名、任务命名、表命名、字段命名、指标命名等
- 模型规范
建模方法、建模工具、血缘关系、维度退化、一致性维度、元数据管理
- 开发规范
脚本注释、字段别名、编码规范、脚本格式、数据类型、缩写规范
- 流程规范
需求流程、工程流程、上线流程、调度流、调度和表生命周期管理
2、设计规范 - 指标
- Step1:面向主题域管理
为了提高指标管理的效率,你需要按照业务线、主题域和业务过程三级目录方式管理指标。
- Step2:划分原子指标和派生指标
原子指标 + 原子指标 = 派生指标
- Step3:进行指标命名规范
需要遵循两个原则:易懂与统一
- 易懂,就是看到指标的名称,就可以基本判断这个指标归属于哪个业务过程;
- 统一,就是要确保派生指标和它继承的原子指标命名是一致的。
对于原子指标,标名称适合用“动作 + 度量”的命名方式(比如注册用户数、购买用户数)
对于派生指标,应该严格遵循“时间周期 + 统计粒度 + 修饰词 + 原子指标”的命名方式。(比如30天内黑卡会员购买用户数)
- Step4:分级管理
指标确实是多,如果一视同仁去管理其实很难,所以可以按照下面的原则进行等级划分:
- 一级指标:数据中台直接产出,核心指标(提供给公司高层看的)、原子指标以及跨部门的派生指标。
- 二级指标:基于中台提供的原子指标,业务部门创建的派生指标。
3、命名规范 - 表命名
3.1 常规表
常规表是我们需要固化的表,是正式使用的表,是目前一段时间内需要去维护去完善的表。
规范:分层前缀[dwd|dws|ads|bi]_业务域_主题域_XXX_更新频率|全量/增量。
业务域、主题域我们都可以用词根的方式枚举清楚,不断完善,粒度也是同样的,主要的是时间粒度、日、月、年、周等,使用词根定义好简称。
建议格式: dwd_xxx_xxx_da
- di :每日增量
- da:每日全量
- mi:每月增量
- ma:每月全量
3.2 中间表
中间表一般出现在Job中,是Job中临时存储的中间数据的表,中间表的作用域只限于当前Job执行过程中,Job一旦执行完成,该中间表的使命就完成了,是可以删除的(按照自己公司的场景自由选择,以前公司会保留几天的中间表数据,用来排查问题)。
建议格式:mid_table_name_[0~9]
table_name是我们任务中目标表的名字,通常来说一个任务只有一个目标表。这里加上表名,是为了防止自由发挥的时候表名冲突,而末尾大家可以选择自由发挥,起一些有意义的名字,或者简单粗暴,使用数字代替,各有优劣吧,谨慎选择。
3.3 临时表
临时表是临时测试的表,是临时使用一次的表,就是暂时保存下数据看看,后续一般不再使用的表,是可以随时删除的表。
建议格式:tmp_xxx
只要加上tmp开头即可,其他名字随意,注意tmp开头的表不要用来实际使用,只是测试验证而已。
3.4 维度表
维度表是基于底层数据,抽象出来的描述类的表。维度表可以自动从底层表抽象出来,也可以手工来维护。
建议格式:dim_xxx
维度表,统一以dim开头,后面加上,对该指标的描述,可以自由发挥。
4、开发规范
1 |
表和列的注释释是否有缺失,复杂计算逻辑是否有注释释 |
2 |
任务是否支持多次重跑而输出不变,不能有insert into语句 |
3 |
分区表是否使用分区键过滤并且有有效裁剪 |
4 |
外连接的过逑条件是否使用正确,例如在左连接的where语句存在右表的过滤条件 |
5 |
关联小表,是否使用/*+ map join * / hint |
6 |
不允许引用别的计算任务临时表 |
7 |
原则上不允许存在一个任务更新多个目标表 |
8 |
是否存在笞、迪卡尔积 |
9 |
禁止在代码里面使用drop 111ble、creat它111ble、renaiue 111ble、chan零column等ddl语句 |
10 |
使用动态分区时,有没有检查分区键值为NULL的情况 |
11 |
DQC质量监控规则是否配置,严禁棵奔 |
12 |
代码中有没有进行适当的规避数据倾斜语句 |
13 |
Where条件中is null语句有没有进行空字符串处理文章来源:https://www.toymoban.com/news/detail-439856.html |
5、流程规范
根据阿里流程规范,本文将数据仓库研发流程抽象为如下几点:文章来源地址https://www.toymoban.com/news/detail-439856.html
- 需求阶段:数据产品经理应如何应对不断变化的业务需求。
- 设计阶段:数据产品经理、数据开发者应如何综合性能、成本、效率、质量等因素,更好地组织与存储数据。
- 开发阶段:数据研发者如何高效、规范地进行编码工作。
- 测试阶段:测试人员应如何准确地暴露代码问题与项目风险,提升产出质量。
- 发布阶段:如何将具备发布条件的程序平稳地发布到线上稳定产出。
- 运维阶段:运维人员应如何保障数据产出的时效性和稳定性。
到了这里,关于数据仓库规范设计的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!