定义
数据仓库（Data Warehouse）是面向主题的、集成的、
相对稳定的并反应历史变化的数据集合 [1]，数仓中的数据
是有组织、有结构的存储数据集合，用于支持管理、决策
过程。其中面向主题是指数据仓库是面向分析决策的，所
以数据经常按分析场景或者分析对象等主题形式来组织，
这是与面向应用进行数据组织的传统数据库的最大区别。
集成性是指通过对分散、独立以及异构的数据库数据进行
抽取、清理、转换和汇总，得到数据仓库的数据 [2]，这样
就保证了数据仓库内的数据针对整个企业不同业务的数
据口径的一致性。
分层
从数据源的采集到多层清洗加工的过程中，数据仓库
形成了一套规范的数据逻辑分层，一般分为 4 层 [3]，如图
1 所示。分层的核心思想就是解耦，即将一个复杂的任务
分解成多个步骤来完成，每层只处理单一的步骤，将复杂
问题简单化。另外通过数据分层，开发通用的中间层，提
供统一的数据出口，在规范数据的同时最大程度地减少重
复开发。
ODS 层 ：全称为原始数据层（Operation Data Store）。
该层对从数据源采集的原始数据进行原样存储。
DWD 层：全称为明细数据层（Data Warehouse Detail）。
该层对 ODS 层的数据进行清洗，主要解决一些数据质量
问题。
DWS 层：全称为服务数据层（Data Warehouse Service）。
该层对 DWD 层的数据进行轻度汇总，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，并构建出一
些宽表，供后续进行业务查询。
App 层：全称为应用数据层（Application）。DWD、DWS
层数据统计结果会存储在 App 层。App 层数据可以直接对
外提供查询，一般会将 App 层的数据导入 MySQL 中供 BI
系统使用，可提供报表展示、数据监控及其他功能。
