助力工业物联网，工业大数据之数仓维度层DWS层构建【十二】-Toy模板网

这篇具有很好参考价值的文章主要介绍了助力工业物联网，工业大数据之数仓维度层DWS层构建【十二】。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

数仓维度层DWS层构建

01：项目回顾

ODS层与DWD层的功能与区别是什么？
- ODS：原始数据层
  - 存储格式：AVRO
  - 数据内容：基本与原始数据是一致的
- DWD：明细数据层
  - 存储格式：Orc
  - 数据内容：基于与ODS层是一致的
ODS层的需求是什么？
- 自动化建库建表
- 建表
```
create table one_make_ods.表名
tableproperties(schema文件)
```
  - 表名
  - 表的注释
  - 表对应的HDFS地址
  - Schema文件的地址
DWD层的需求是什么？
- 自动化建库建表
- 建表
```
create table one_make_dwd.表名(
	字段信息
)
location
```
  - 表名
  - 表的注释
  - 表对应的HDFS地址
  - 字段信息
怎么获取表的Schema信息？
- 表的注释、Schema信息
- ODS：Oracle中获取表的注释、Schema文件从Sqoop生成的
- DWD：Oracle中获取表的信息
  - TableMeta：表名，表的注释，列的信息：List
  - ColumnMeta：列名、列的注释、列的类型、长度、精度
如何使用Python构建Oracle和Hive的连接？
- Oracle：cx_Oracle
  - conn（host,port,user,passwd,sid）
- Hive/SparkSQL：pyHive
  - SparkSQL用法
  - 编程方式：python文件 | jar包
    - 流程
      - step1：SparkSession
      - step2：读取数据源
      - step3：处理
        
        注册视图
        
        spark.sql(“”)
    - spark-submit
    - 优点：灵活
    - 场景：DSL
  - 提交SQL：ThriftServer
    - 场景：SQL，调度开发
    - 流程
      - JDBC | PyHive | Beeline：代码中开发
      - spark-sql -f xxxx.sql：SQL文件的运行
如果实现SQL语句的执行？
- step1：先构建服务端的远程连接
  - 服务端地址：主机名 + 端口
  - 用户名和密码
- step2：基于这个连接构建一个游标
- step3：通过游标来执行SQL语句：execute(String：SQL)
- step4：释放资源
集中问题
- 连接构建不上
  - 映射不对：spark.bigdata.cn：Can not Connect[46.xxx.xxxx.xx，10001]
    - 修改host文件
    - 修改config.txt：node1
  - 服务端问题：spark.bigdata.cn：Can not Connect[192.168.88.100，10001]
    - Spark的TriftServer没有启动
      - 启动完成先用dg或者beeline先测试一下
    - ThriftServer：依赖于MetaStore + YARN
      - 检查YARN：本质就是一个Spark程序：实时程序，不停止的
  - Oracle：cx_Oracle + 本地客户端：D:\instantclient_12_2
- 安装
  - Python版本：Python 3.7.4
  - 命令sasl

02：项目目标

回顾维度建模
- 建模流程：划分主题域和主题
- 维度设计：构建维度矩阵
- 维度模型：雪花模型、星型模式
项目中的建模流程和维度设计
- 划分了哪些主题域，每个主题域有哪些主题？
- 每个主题基于哪些维度进行分析？
维度层构建
- 时间维度
- 地区维度
- 油站维度
- 服务网点维度
- 组织机构维度
- 仓库维度
- 物流维度

03：维度建模回顾：建模流程

目标：掌握维度建模的建模流程
实施
- step1-需求调研：业务调研和数据调研
  - 了解整个业务实现的过程
  - 收集所有数据使用人员对于数据的需求
  - 整理所有数据来源
- step2-划分主题域：面向业务将业务划分主题域及主题
  - 用户域、店铺域
  - 商品域、交易域、
  - 客服域、信用风控域、采购分销域
- step3-构建维度总线矩阵：明确每个业务主题对应的维度关系
- step4-明确指标统计：明确所有原生指标与衍生指标
  - 原生指标：基于某一业务事件行为下的度量，是业务定义中不可再拆分的指标，如支付总金额
  - 衍生指标：基于原子指标添加了维度：近7天的支付总金额等
- step5-定义事实与维度规范
  - 命名规范、类型规范、设计规范等
- step6-代码开发
  - 实现具体的代码开发
  - 只要知道指标的计算方式，基于维度分组计算指标
小结文章来源地址https://www.toymoban.com/news/detail-478100.html
- 掌握维度建模的建模流程

04：维度建模回顾：维度设计

目标：掌握维度建模中维度的设计
实施
- 功能：基于组合维度来更加细化我们的指标，来更加精确的发现问题
  - 指标如果不基于组合维度进行分析得到，指标的结果是没有意义的
- 实现：开发中维度就是指标聚合时的分组字段
- 特点
  - 数据量小
  - 很少发生变化
- 采集方式：全量
- 常见维度
  - 时间维度：年、季度、月、周、天、小时
  - 地区维度：国家、省份、城市
  - 平台维度：网站、APP、小程序、H5
  - 操作系统维度：Windows、Mac OS、Android、Linux、IOS
  - ……
小结
- 掌握维度建模中维度的设计

05：维度建模回顾：维度模型

目标：掌握维度设计的常用模型
路径
- step1：雪花模型
- step2：星型模型
- step3：星座模型
实施
- 雪花模型
  - 设计：部分维度通过其他维度间接关联事实表
  - 优点：避免数据的冗余
  - 缺点：关联层次比较多，数据大的情况下，底层层层Join，查询数据性能降低
- 星型模型
  - 设计：所有维度表直接关联事实表
  - 优点：每次查询时候，直接获取对应的数据结果，不用关联其他的维度子表，可以提高性能
  - 缺点：数据冗余度相比雪花模型较高
- 星座模型
  - 星座模型：基于星型模型的演变，多个事实共同使用一个维度表
小结
- 掌握维度设计的常用模型