01 数据分层
一、数据运营层:ODS(Operational Data Store)
ODS层,是最接近数据源中数据的一层,为了考虑后续可能需要追溯数据问题,因此对于这一层就不建议做过多的数据清洗工作,原封不动地接入原始数据即可,至于数据的去噪、去重、异常值处理等过程可以放在后面的DWD层来做。
二、数据仓库层:DW (Data Warehouse)
数据仓库层是我们在做数据仓库时要核心设计的一层,在这里,从 ODS 层中 获得的数据按照主题建立各种数据模型 。DW 层又细分为DWD(Data Warehouse Detail )层、DWM(Data WareHouse Middle )层和DWS(Data WareHouse Servce )。
1. 数据明细层:DWD (Data Warehouse Detail)
该层一般保持和ODS层一样的数据粒度 ,并且提供一定的数据质量保证 。
DWD层要做的就是将数据清理、整合、规范化、脏数据、垃圾数据、规范不一致的、状态定义不一致的、命名不规范的数据都会被处理。
同时 ,为了提高数据明细层的易用性 ,该层会采用一些维度退化手法 ,将维度退化至事实表中, 减少事实表和维表的关联。另外,在该层也会做一部分的数据聚合,将相同主题的数据汇集到一 张表中 ,提高数据的可用性 。
2. 数据中间层:DWM (Data WareHouse Middle)
该层会在 DWD 层的数据基础上,对数据做轻度的聚合操作,生成一系列的中间表,提升公共指标的复用性, 减少重复加工。直观来讲 , 就是对通用的核心维度进行聚合操作, 算出相应的统计指标。
在实际计算中 , 如果直接从 DWD 或者 ODS 计算出宽表的统计指标 , 会存在 计算量太大并且维度太少的问题,因此一般的做法是,在 DWM 层先计算出多个小的 中间表 ,然后再拼接成一 张 DWS 的宽表 。 由于宽和窄的界限不易界定,也可以去掉 DWM 这一层, 只留 DWS 层,将所有的数据再放在DWS 亦可。
3.数据服务层:DWS (Data WareHouse Servce)
DWS 层为公共汇总层, 会进行轻度汇总 , 粒度比明细数据稍粗,基于DWD层上的基础数据, 整合汇总成分析某一个主题域的服务数据,一般是宽表。DWS层应覆盖 80%的应用场景 。又称数据集市或宽表。
按照业务划分,如主题域流量、订单、用户等 ,生成字段比较多的宽表 , 用 于提供后续的业务查询,OLAP分析,数据分发等。一般来讲,该层的数据表会相对比较少,一张表会涵盖比较多的业务内容,由于其字段较多,因此一般也会称该层的表为宽表。
三、数据应用层:APP (Application)
在这里,主要是提供给数据产品和数据分析使用的数据 ,一般会存放在ES 、 PostgreSql、Redis 等系统中供线上系统使用 ,也可能会存在Hive或者Druid中供数据分析和数据挖掘使用 。比如我们经常说的报表数据,一般就放在这里。
四、维表层 (Dimension)
最后补充一个维表层,维表层主要包含两部分数据:高基数维度数据:一般是用户资料表、商品资料表类似的资料表。数据量可能是千万级或者上亿级别。
低基数维度数据:一般是配置表,比如枚举值对应的中文含义,或者日期维表。
数据量可能是个位数或者几千几万。
02 表规范
关于词根
词根属于数仓建设中的规范 ,属于元数据管理的范畴,现在把这个划到数据治理的一部分。完整的数仓建设是包含数据治理的,只是现在谈到数仓偏向于数据建模 , 而谈到数据治理,更多的是关于数据规范、数据管理。
表命名 ,其实在很大程度上是对元数据描述的一种体现 ,表命名规范越完善 ,我们能从表名获取到的信息就越多。比如:一部分业务是关于货架的,英文名是:rack , rack 就是一个词根,那我们就在所有的表、字段等用到的地方都叫 rack, 不要叫成 别的什么 。 这就是词根的作用, 用来统一命名,表达同一个含义。
指标体系中有很多“率”的指标,都可以拆解成XXX+率 ,率可以叫 rate ,那我 们所有的指标都叫做 XXX+rate。
词根 :可以用来统一表名、字段名、主题域名等等。
举例 :以流程图的方式来展示,更加直观和易懂,本图侧重 dwm 层表的命名 规范, 其余命名是类似的道理 :
第一个判断条件是该表的用途,是中间表、原始日志还是业务展示用的表如果该表被判断为中间表, 就会走入下一个判断条件:表是否有 group 操作 通过是否有 group 操作来判断该表该划分在 dwd 层还是 dwm 和 dws 层如果不是 dwd 层,则需要判断该表是否是多个行为的汇总表(即宽表)。
最后再分别填上事业群 、部门、业务线、自定义名称和更新频率等信息即可。
分层 :表的使用范围
事业群和部门:生产该表或者该数据的团队
业务线 :表明该数据是哪个产品或者业务线相关
主题域 :分析问题的角度,对象实体
自定义 :一般会尽可能多描述该表的信息,比如活跃表、留存表等
更新周期 :比如说天级还是月级更新
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]_部门_业务域_主题域_XXX_更新周期|数据范围。
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, 更新周期主要的是时间粒度、日、月、年、周等。
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) 。
规范:mid_table_name_[0~9|dim]
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。
通常会遇到需要补全维度的表,这里使用dim 结尾。
中间表在创建时,请加上 ,如果要保留历史的中间表,可以加上日期或者时间戳。
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。
规范: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。
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。
规范: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。
5 、手工表
手工表是手工维护的表,手工初始化一次之后,一般不会自动改变,后面变更,
也是手工来维护。
一般来说,手工的数据粒度是偏细的,所以,暂时我们统一放在dwd层,后面 如果有目标值或者其他类型手工数据,再根据实际情况分层。
规范:dwd_业务域_manual_xxx
手工表,增加特殊的主题域,manual ,表示手工维护表。
03 指标规范
3.1 命名
小写
下划线分割
可读性优于长度(词根,避免出现同一个指标,命名一致性)数量字段后缀_cnt等标识...
金额字段后缀_price标识
禁止使用sql关键字
3.2 字段格式
浮点数使用decimal(28,6)控制精度等
3.3 NULL 字段处理
对于维度字段,需设置为-1
对于指标字段,需设置为0
04 口径规范
保证主题域内,指标口径一致,无歧义。另外,还需要注意同一口径的指标数据来源要一致。
05 数据处理方式
1.增量表:
新增数据,增量数据是上次导出之后的新数据。
(1) 记录每次增加的量,而不是总量;
(2) 增量表,只报变化量,无变化不用报
(3) 每天一个分区
2 、全量表
每天的所有的最新状态的数据。
(1) 全量表,有无变化,都要报
(2) 每次上报的数据都是所有的数据 (变化的 + 没有变化的)
(3) 只有一个分区
3、快照表
按日分区,记录截止数据日期的全量数据。
(1) 快照表,有无变化,都要报
(2) 每次上报的数据都是所有的数据(变化的+没有变化的)
(3) 一天一个分区
4、拉链表
记录截止数据日期的全量数据。
(1) 记录一个事物从开始,一直到当前状态的所有变化的信息;
(2) 拉链表每次上报的都是历史记录的最终状态,是记录在当前时刻的历史总量;
(3) 当前记录存的是当前时间之前的所有历史记录的最后变化量(总量);文章来源:https://www.toymoban.com/news/detail-539720.html
(4) 只有一个分区文章来源地址https://www.toymoban.com/news/detail-539720.html
到了这里,关于数仓命名规范大全!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!