共计 542 个字符，预计需要花费 2 分钟才能阅读完成。
一、需要剖析及实现思路
1.1、分层需要剖析
建设实时数仓的目标，次要是减少数据 计算的复用性。每次新减少统计需要时，不至于从原始数据进行计算，而是从半成品持续加工而成。咱们这里从 kafka 的 ods 层读取用户行为日志以及业务数据，并进行简略解决，写回到 kafka 作为 dwd 层。
1.2、每层的职能
| 分层 | 数据形容 | 生成计算工具 | 存储媒介 |
|---|---|---|---|
| ODS | 原始数据，日志和业务数据 | 日志服务器，maxwell/canal | kafka |
| DWD | 依据数据对象为单位进行分流，比方订单、页面拜访等等。 | FLINK | kafka |
| DWM | 对于局部数据对象进行进一步加工，比方独立拜访、跳出行为。仍旧是明细数据。 | FLINK | kafka |
| DIM | 维度数据 | FLINK | HBase |
| DWS | 依据某个维度主题将多个事实数据轻度聚合，造成主题宽表。 | FLINK | Clickhouse |
| ADS | 把 Clickhouse 中的数据依据可视化须要进行筛选聚合。 | Clickhouse, SQL | 可视化展现 |
二、DWD 层数据筹备实现思路
➢ 性能 1：环境搭建
➢ 性能 2：计算用户行为日志 DWD 层
➢ 性能 3：计算业务数据 DWD 层
2.1、环境搭建
| 目录 | 作用 |
|---|---|
| app | 产生各层数据的 flink 工作 |
| bean | 数据对象 |
| common | 公共常量 |
| utils | 工具类 |
2.2、计算 用户行为日志 DWD 层
2.3、计算 业务数据 DWD 层
正文完
