数仓各层的开发规范
2022-03-20 本文已影响0人
Sunshine_6cb2
ODS层设计规范
同步规范
- 一个源表只允许被同步一次
- 全量初始化 和 增量的同步处理逻辑要清晰
- 以统计如期和时间进行分区存储
- 自动填充在源表中不存在的字段
表分类和生命周期
ODS流水全量表
- 不可再生的永久保存；
- 日志可按留存要求；
- 按需设置保留特殊日期数据；
- 按需设置保留特殊月份数据；
ODS镜像全量表
- 推荐按天存储
- 对历史变化进行保留
- 最新的数据存储在最大的分区
- 历史数据按需保留
ODS增量数据
- 推荐按天存储
- 有对应全量表的，建议只保留14天的数据
- 无对应全量表的永久保留
ODS ETL过程中的临时表
- 推荐按需保留
- 最多保留7天
- 建议用完既删，下次使用再生成
BDSync 非去重数据
- 通过中间层保留，默认用完及删除，不建议保留
数据质量
- 全量表必须配置唯一性字段标识
- 对分区空数据进行监控
- 对枚举类型字段进行枚举变化和分布监控
- ODS表数据量级和记录数做环比监控
- ODS全表必须要有注释
公共维度层的设计规范
设计准侧
一致性
公共维度在不同的物理表中的字段名称、数据类型、数据内容必须保持一致
维度的组合和拆分
- 组合原则：
将维度与关联性强的字段进行组合，一起查询，一起展示，两个维度必须具有天然的关系，如：商品的基本属性和所属品牌。
无相关性：如一些使用频率较小的杂项维度，可以构建一个集合杂项维度的特殊属性。
行为维度：经过计算的度量，但下游当维度处理，例：点击量 0-1000,100-1000等，可以做聚合分类。
- 拆分与冗余：
针对重要性，业务相关性、源、使用频率等可分为核心表、扩展表。 数据记录较大的维度，可以适当冗余一些子集
存储及生命周期管理
- 3 个月内最大访问跨度<=4 天时，建议保留最近 7 天分区；
- 3 个月内最大访问跨度<=12 天时，建议保留最近 15 天分区；
- 3 个月内最大访问跨度<=30 天时，建议保留最近 33 天分区；
- 3 个月内最大访问跨度<=90 天时，建议保留最近 120 天分区；
- 3 个月内最大访问跨度<=180 天时，建议保留最近 240 天分区；
- 3 个月内最大访问跨度<=300 天时，建议保留最近 400 天分区；
DWD明细层的设计规范
存储及生命周期管理
建议按天分区。
- 3 个月内最大访问跨度<=4 天时，建议保留最近 7 天分区；
- 3 个月内最大访问跨度<=12 天时，建议保留最近 15 天分区；
- 3 个月内最大访问跨度<=30 天时，建议保留最近 33 天分区；
- 3 个月内最大访问跨度<=90 天时，建议保留最近 120 天分区；
- 3 个月内最大访问跨度<=180 天时，建议保留最近 240 天分区；
- 3 个月内最大访问跨度<=300 天时，建议保留最近 400 天分区；
**事务型事实表设计准则 **
- 基于数据应用需求的分析设计事务型事实表，结合下游较大的针对某个业务过程和分析指标需求，可考虑基于某个事件过程构建事务型实时表；
- 一般选用事件的发生日期或时间作为分区字段，便于扫描和裁剪；
- 冗余子集原则，有利于降低后续 IO 开销；
- 明细层事实表维度退化，减少后续使用 join 成本。
周期快照事实表
- 周期快照事实表中的每行汇总了发生在某一标准周期，如某一天、某周
- 某月的多个度量事件。
- 粒度是周期性的，不是个体的事务。
- 通常包含许多事实，因为任何与事实表粒度一致的度量事件都是被允许的。
累积快照事实表
- 多个业务过程联合分析而构建的事实表，如采购单的流转环节。
- 用于分析事件时间和时间之间的间隔周期。
- 少量的且当前事务型不支持的，如关闭、发货等相关的统计。
DWS公共层的设计规范
数据仓库的性能是数据仓库建设是否成功的重要标准之一。聚集主要是通过汇总明细粒度数据来获得改进查询性能的效果。通过访问聚集数据，可以减少数据库在响应查询时必须执行的工作量，能够快速响应用户的查询，同时有利于减少不同用访问明细数据带来的结果不一致问题。
聚集的基本原则
- 一致性。聚集表必须提供与查询明细粒度数据一致的查询结果。
- 避免单一表设计。不要在同一个表中存储不同层次的聚集数据。
- 聚集粒度可不同。聚集并不需要保持与原始明细粒度数据一样的粒度，聚集只关心所需要查询的维度。
聚集的基本步骤
第一步：确定聚集维度
在原始明细模型中会存在多个描述事实的维度，如日期、商品类别、卖家等，这时候需要确定根据什么维度聚集，如果只关心商品的交易额情况，那么就可以根据商品维度聚集数据。
第二步：确定一致性上钻
这时候要关心是按月汇总还是按天汇总，是按照商品汇总还是按照类目汇总，如
果按照类目汇总，还需要关心是按照大类汇总还是小类汇总。当然，我们要做的
只是了解用户需要什么，然后按照他们想要的进行聚集。
第三步：确定聚集事实
在原始明细模型中可能会有多个事实的度量，比如在交易中有交易额、交易数量
等，这时候要明确是按照交易额汇总还是按照成交数量汇总。
公共汇总层设计原则
除了聚集基本的原则外，公共汇总层还必须遵循以下原则：
- 数据公用性。汇总的聚集会有第三者使用吗？基于某个维度的聚集是不是
- 经常用于数据分析中？如果答案是肯定的，那么就有必要把明细数据经过
- 汇总沉淀到聚集表中。
- 不跨数据域。数据域是在较高层次上对数据进行分类聚集的抽象。如以业
- 务
- 区分统计周期。在表的命名上要能说明数据的统计周期，如 _Id 表示最
- 近 1 天，_td 表示截至当天，_nd 表示最近 N 天。
