草庐IT

大数据入门(一)—— 数据仓库(数仓)基本概念

齐舞647 2023-03-28 原文

前言:

最近做需求的时候,涉及到了数仓相关的知识。
简单介绍下数仓的一些基本概念。
以及,了解下大数据开发的一些基本流程。

一、什么是数仓?

数据仓库 ,由数据仓库之父比尔·恩门(Bill Inmon)于1990年提出的。
1991年,他写了一本书,叫《Building the Data Warehouse》(建立数据仓库),书中提出的:数据仓库(Data Warehouse)是一个面向主题的(Subject Oriented)、集成的(Integrated)、不可修改的(Non-Volatile)、与时间相关的(Time Variant)的数据集合,专门用于支持管理决策(Decision Making Support)。

简单来说,有了大数据的支撑,会让我们更加容易的做出正确的产品决策。
因此,对于一个产品的长期发展来说,需要基于大数据的分析,甚至A/B实验(用户行为、业务数据等等),来判断产品需求的效果以及业务痛点。

1.1 简介

数据仓库(Data warehouse,简称DWDWH),是为企业所有级别的决策制定过程,提供所有类型数据支持的战略集合。它是单个数据存储,出于分析性报告和决策支持目的而创建。 为需要业务智能的企业,提供指导业务流程改进、监视时间、成本、质量以及控制。(来源:百度百科

1.2 数仓特点

面向主题

  • 数据仓库中的数据是按照一定的主题域进行组织的。
  • 主题是指用户使用数据仓库进行决策时所关心的重点方面,一个主题通过与多个操作型信息系统相关。

集成的:

  • 需要对源数据进行加工与融合,统一与综合
  • 在加工的过程中必须消除源数据的不一致性,以保证数据仓库内的信息时关于整个企业的一致的全局信息。(关联关系)

不可修改的:

  • DW中的数据并不是最新的,而是来源于其他数据源
  • 数据仓库主要是为决策分析提供数据,涉及的操作主要是数据的查询

时间相关的:

  • 处于决策的需要数据仓库中的数据都需要标明时间属性

1.3 数仓与数据库的对比?

  • 数据库:一般用于在线处理业务、存储数据。
  • DW:专门为数据分析设计的,涉及读取大量数据以了解数据之间的关系和趋势。(往往是离线的,类似定时任务)
特性 数据仓库 数据库
职责 大数据分析 业务事务处理
数据源 从多个来源收集或标准化数据 往往从单个来源(某个事务系统)产生数据
数据标准化 非标准化schema,例如星型Schema或雪花型schema 高度标准化的静态schema
数据存储 使用 “列存储” 进行了优化,可实现轻松访问和高速查询列性能 往往采用 “行存储”,对在单行型物理块中执行高吞吐量写入操作进行了优化。
数据访问 为最小化I/O并最大化数据吞吐量进行了优化 大量小型读取操作

二、数据分层处理

每个企业/业务,可以根据自己的场景将数据分层加工处理。
正常情况下,一般会分为三层:

  • 数据运营层(ODS
  • 数据仓库层(DW
  • 数据应用层(ADS

我们的业务数据会经过 ODS -> DW -> ADS,最终加工成我们所要分析的大数据。
接下来,我们分别介绍一下每一层具体的作用。

2.1 数据运营层(ODS)

ODS:Operation Data Store 数据准备区,也称为贴源层。
数据仓库源头系统的数据表通常会原封不动的存储一份,这称为ODS层,是后续数据仓库加工数据的来源。

ODS层数据的来源方式:

  1. 业务数据库
    经常会使用sqoop来抽取,例如每天定时抽取一次。
    实时方面,可以考虑监听mysql的binlog,实时接入即可。

  2. 消息队列
    即来自Kafka、RocketMQ、ActiveMQ 等等的数据。

  3. 埋点日志
    日志一般以文件的形式保存,可以选择用flume定时同步
    可以用spark streaming或者Flink来实时接入,kafka也OK

2.2 数据仓库层(DW)

DW 层一般又分为三小层,分别是 DWDDWBDWS

DWD(数据细节层)

DWD:data warehouse details 细节数据层,是业务层与数据仓库的隔离层。
主要对ODS数据层做一些数据清洗和规范化的操作。

在这层往往会去除空值、业务脏数据、超过极限范围的数据

DWB(数据基础层)

DWB:data warehouse base 数据基础层,存储的是客观数据,一般用作中间层,可以认为是大量指标的数据层。

DWS(数据服务层)

DWS:data warehouse service 数据服务层,基于DWB上的基础数据,整合汇总成分析某一个主题域的服务数据层,一般是宽表。用于提供后续的业务查询,OLAP分析,数据分发等。
用户行为,轻度聚合
主要对ODS/DWD层数据做一些轻度的汇总。

2.3 数据应用层(ADS)

ADS:applicationData Service应用数据服务,该层主要是提供数据产品和数据分析使用的数据,一般会存储在ES、mysql等系统中供线上系统使用。
我们通过说的报表数据,或者说那种大宽表,一般就放在这里

参考与致谢:
《企业数据仓库技术架构》
《数据仓库分层中的ODS、DWD、DWS》
《Apache Flink 简介》

有关大数据入门(一)—— 数据仓库(数仓)基本概念的更多相关文章

  1. ruby - 解析 RDFa、微数据等的最佳方式是什么,使用统一的模式/词汇(例如 schema.org)存储和显示信息 - 2

    我主要使用Ruby来执行此操作,但到目前为止我的攻击计划如下:使用gemsrdf、rdf-rdfa和rdf-microdata或mida来解析给定任何URI的数据。我认为最好映射到像schema.org这样的统一模式,例如使用这个yaml文件,它试图描述数据词汇表和opengraph到schema.org之间的转换:#SchemaXtoschema.orgconversion#data-vocabularyDV:name:namestreet-address:streetAddressregion:addressRegionlocality:addressLocalityphoto:i

  2. ruby - Ruby 有 `Pair` 数据类型吗? - 2

    有时我需要处理键/值数据。我不喜欢使用数组,因为它们在大小上没有限制(很容易不小心添加超过2个项目,而且您最终需要稍后验证大小)。此外,0和1的索引变成了魔数(MagicNumber),并且在传达含义方面做得很差(“当我说0时,我的意思是head...”)。散列也不合适,因为可能会不小心添加额外的条目。我写了下面的类来解决这个问题:classPairattr_accessor:head,:taildefinitialize(h,t)@head,@tail=h,tendend它工作得很好并且解决了问题,但我很想知道:Ruby标准库是否已经带有这样一个类? 最佳

  3. ruby - 我如何添加二进制数据来遏制 POST - 2

    我正在尝试使用Curbgem执行以下POST以解析云curl-XPOST\-H"X-Parse-Application-Id:PARSE_APP_ID"\-H"X-Parse-REST-API-Key:PARSE_API_KEY"\-H"Content-Type:image/jpeg"\--data-binary'@myPicture.jpg'\https://api.parse.com/1/files/pic.jpg用这个:curl=Curl::Easy.new("https://api.parse.com/1/files/lion.jpg")curl.multipart_form_

  4. 世界前沿3D开发引擎HOOPS全面讲解——集3D数据读取、3D图形渲染、3D数据发布于一体的全新3D应用开发工具 - 2

    无论您是想搭建桌面端、WEB端或者移动端APP应用,HOOPSPlatform组件都可以为您提供弹性的3D集成架构,同时,由工业领域3D技术专家组成的HOOPS技术团队也能为您提供技术支持服务。如果您的客户期望有一种在多个平台(桌面/WEB/APP,而且某些客户端是“瘦”客户端)快速、方便地将数据接入到3D应用系统的解决方案,并且当访问数据时,在各个平台上的性能和用户体验保持一致,HOOPSPlatform将帮助您完成。利用HOOPSPlatform,您可以开发在任何环境下的3D基础应用架构。HOOPSPlatform可以帮您打造3D创新型产品,HOOPSSDK包含的技术有:快速且准确的CAD

  5. Unity 热更新技术 | (三) Lua语言基本介绍及下载安装 - 2

    ?博客主页:https://xiaoy.blog.csdn.net?本文由呆呆敲代码的小Y原创,首发于CSDN??学习专栏推荐:Unity系统学习专栏?游戏制作专栏推荐:游戏制作?Unity实战100例专栏推荐:Unity实战100例教程?欢迎点赞?收藏⭐留言?如有错误敬请指正!?未来很长,值得我们全力奔赴更美好的生活✨------------------❤️分割线❤️-------------------------

  6. FOHEART H1数据手套驱动Optitrack光学动捕双手运动(Unity3D) - 2

    本教程将在Unity3D中混合Optitrack与数据手套的数据流,在人体运动的基础上,添加双手手指部分的运动。双手手背的角度仍由Optitrack提供,数据手套提供双手手指的角度。 01  客户端软件分别安装MotiveBody与MotionVenus并校准人体与数据手套。MotiveBodyMotionVenus数据手套使用、校准流程参照:https://gitee.com/foheart_1/foheart-h1-data-summary.git02  数据转发打开MotiveBody软件的Streaming,开始向Unity3D广播数据;MotionVenus中设置->选项选择Unit

  7. 使用canal同步MySQL数据到ES - 2

    文章目录一、概述简介原理模块二、配置Mysql使用版本环境要求1.操作系统2.mysql要求三、配置canal-server离线下载在线下载上传解压修改配置单机配置集群配置分库分表配置1.修改全局配置2.实例配置垂直分库水平分库3.修改group-instance.xml4.启动监听四、配置canal-adapter1修改启动配置2配置映射文件3启动ES数据同步查询所有订阅同步数据同步开关启动4.验证五、配置canal-admin一、概述简介canal是Alibaba旗下的一款开源项目,Java开发。基于数据库增量日志解析,提供增量数据订阅&消费。Git地址:https://github.co

  8. ruby-on-rails - 创建 ruby​​ 数据库时惰性符号绑定(bind)失败 - 2

    我正在尝试在Rails上安装ruby​​,到目前为止一切都已安装,但是当我尝试使用rakedb:create创建数据库时,我收到一个奇怪的错误:dyld:lazysymbolbindingfailed:Symbolnotfound:_mysql_get_client_infoReferencedfrom:/Library/Ruby/Gems/1.8/gems/mysql2-0.3.11/lib/mysql2/mysql2.bundleExpectedin:flatnamespacedyld:Symbolnotfound:_mysql_get_client_infoReferencedf

  9. STM32读取串口传感器数据(颗粒物传感器,主动上传) - 2

    文章目录1.开发板选择*用到的资源2.串口通信(个人理解)3.代码分析(注释比较详细)1.主函数2.串口1配置3.串口2配置以及中断函数4.注意问题5.源码链接1.开发板选择我用的是STM32F103RCT6的板子,不过代码大概在F103系列的板子上都可以运行,我试过在野火103的霸道板上也可以,主要看一下串口对应的引脚一不一样就行了,不一样的就更改一下。*用到的资源keil5软件这里用到了两个串口资源,采集数据一个,串口通信一个,板子对应引脚如下:串口1,TX:PA9,RX:PA10串口2,TX:PA2,RX:PA32.串口通信(个人理解)我就从串口采集传感器数据这个过程说一下我自己的理解,

  10. LC滤波器设计学习笔记(一)滤波电路入门 - 2

    目录前言滤波电路科普主要分类实际情况单位的概念常用评价参数函数型滤波器简单分析滤波电路构成低通滤波器RC低通滤波器RL低通滤波器高通滤波器RC高通滤波器RL高通滤波器部分摘自《LC滤波器设计与制作》,侵权删。前言最近需要学习放大电路和滤波电路,但是由于只在之前做音乐频谱分析仪的时候简单了解过一点点运放,所以也是相当从零开始学习了。滤波电路科普主要分类滤波器:主要是从不同频率的成分中提取出特定频率的信号。有源滤波器:由RC元件与运算放大器组成的滤波器。可滤除某一次或多次谐波,最普通易于采用的无源滤波器结构是将电感与电容串联,可对主要次谐波(3、5、7)构成低阻抗旁路。无源滤波器:无源滤波器,又称

随机推荐