使用hive時很容易接觸到數倉建模，數倉建模是一個數倉工程師需要的必備的能力。優秀的分層設計能夠讓整個數據體系更易理解和使用。想要做數倉，需要補一補數倉分層，才能知道分層的意義。
分層很重要，說一下我的理解。
一、 分層基礎
1.理清業務數據
隨着數據量和業務數據表的不斷擴張，需要我們理清數據作用域，這樣可以清晰的找到數據來源。
2.避免重複計算
爲了避免多次計算，多次關聯多張表。分層可以保存中間結果，減小開發成本。避免每次查詢都要從原始表計算。
3.增加數據使用便捷性
倉庫層的設計，讓數據能分析，好分析，能支持大部分的數據需求。每種需求都能從分層中找到自己需要的數據。
4.避免數據分歧
統一數據口徑，保證數據質量，避免出現統一指標多種概念。
5.通用分層
比較通用的簡單的維度建模分層，分爲三層：
（圖片來源於網絡，侵刪）
二、 ODS層，操作數據層
把操作系統的數據幾乎無處理的存放在數倉中，主要有以下工作：
1.將業務結構化數據增量或全量的同步進來；
2.將日誌等非結構化的數據結構化處理後落地到數倉中；
3.累計歷史數據，根據數據業務需求、審計等要求保存歷史數據、清洗數據，保留的數據快照也便於回溯問題。
二、CDM層，公共維度模型層
存放明細事實數據、維度數據及公共指標彙總數據，統一口徑，保持數據一致性，減少數據重複計算，CDM層分爲DWD層和DWS層。
1.DWD層,明細數據層
dwd層對業務數據進行清洗、規範化，例如去除作弊數據，對數據字段進行規範命名從而避免歧義化等，另外可採用維度退化手段，將維度退化到事實表中，減少事實表與維度表的關聯，提高明細表的易用性。
2.DWS層,彙總數據層
dws層，加強指標的維度退化，採用更多的寬表化的手段構建公共指標數據層，提升公共指標的複用性，減少重複加工。
三、ADS層，應用數據層
ads層存放數據進行個性化的指標計算，不共用性、複雜性（指數型、比值型、排名型）等，會基於應用數據組裝，像大寬表集市、橫標轉縱表、趨勢指標串等，另外由於ADS某些指標具有個性化的特點，儘量不對外提供服務。
有點事，等會再寫。