目前支流的数据仓库分层大多为四层,也有五层的架构，这里介绍根本的四层架构。 别离为数据贴源层(ods)、数据仓库明细层(dw)、多维明细层(dws)和数据集市层(dm)。
上面是架构图：
数据分层的目标是：缩小反复计算，防止烟囱式开发，节俭计算资源，靠上档次，越对利用敌对，也对用户敌对，心愿大部分（80%以上）的需要，都用DWS，DW的表来反对就行，所以ODS层数据不能被DM层工作援用，须要抽取数据到DW,或者DWS。
DWS汇总层应优先调用DW明细层。在调用可累加类指标计算时，DWS汇总层尽量优先调用曾经产出的粗粒度汇总层，以防止大量汇总都间接从海量的明细数据层计算。
DM层优先调用DWS，视状况小局部能够调用DW，禁止间接调用ODS数据，避免出现适度的ODS层援用、不合理的数据复制以及子集合冗余
DM层工作的深度不宜过大（倡议不超过10层）。
总的来说,数据分层的目标如下：
- 清晰数据结构：让每个数据层都有本人的作用和职责，在应用和保护的时候可能更不便和了解
- 简单问题简化：将一个简单的工作拆解成多个步骤来分步骤实现，每个层只解决特定的问题
- 对立数据口径：通过数据分层，提供对立的数据进口，对立输入口径
- 缩小反复开发：标准数据分层，开发通用的中间层，能够极大地缩小反复计算的工作
数据贴源层(ods)：用来贮存原始数据，同步的脚本和数据的表，要和原始的表有肯定的分割，用于不便数据治理，数据溯源等。个别，同步的脚本，和ods的表要体现源数据库表的特色，个别表名和字段名，字段格局，都和原始表保持一致，同步的模式包含增量同步和全量同步。
数据仓库明细层(dw)：这一层寄存的是统一的、精确的、洁净的数据，即对源零碎数据进行了荡涤（去除了杂质）后的数据。一层一般来说是依照维度建模抽取的明细数据。通常是星形或雪花构造的数据。
多维明细层(dws)：这一层寄存的是DW层的，一些通用的汇总数据。个别是某个主题的某个维度的汇总数据，用于提供后续的业务查问，OLAP剖析，数据散发等。一般来说，该层的数据表会绝对较少，一张表会涵盖比拟多的业务内容，因为其字段较多，因而个别也会称该层的表为宽表。
数据集市层(dm)：该层次要是提供给数据产品和数据分析应用的数据，这层就是依据需要来抽取数据了。
一般来说，数据分层之后，还须要对开发数据的工作，进行标准，比方字段格局，字段名称拼写，主题划分等，不然单纯分层，是不足以建设好一个对开发敌对，不便运维，不便取数的数仓的，这个分层就是一个货物仓库外面各个房间的划分，然而外面货物须要怎么放，放在哪个房间那个地位，我想要某个数据应该怎么找，这个就须要一整套数据开发标准，以及对应的数据地图，数据血缘关系零碎的反对了。
总的来说，数据层是数仓的骨头支架，然而肌肉，心脏等这些器官，对建设一个好的数仓，也很要害。
须要数据仓库材料能够点击这个支付数据仓库(13)大数据数仓经典最值得浏览书籍举荐
参考文章：数据仓库(6)数仓分层设计数仓分层设计")