阿里 onedate 分层思想

对于数仓的分层，每个企业的名称都不一样，但是其思想都是类似的，都是通过空间换时间，能够沉淀公共模型，避免数据重复加工，多次引用等导致的数据不一致。基于阿里 OneData 方法论的数据有三层，即：数据引入层（ODS，Operational Data Store）、数据公共层（CDM，Common Dimenions Model）和数据应用层（ADS，Application Data Store）。

首先，我们应该明确分层的初衷：：

1. 缺少可以复用的数据模型

2. 结果集都是基于原始数据进行清洗、加工和计算指标

3. 大量重复代码的开发对资源的消耗

问题的根源就在于数据模型的无法复用，以及数据开发都是烟囱式的。所以要解决这个问题，就要搞清楚健壮的数据模型该如何设计，具体可以了解一下每层的作用及存放的数据。

数据引入层：是将未经处理的原始数据存放在数据仓库系统中，结构上与源系统基本保持一致，是数据仓库的数据准备区。这一层的主要职责是将基础数据同步、存储。

数据公共层：存放明细事实数据、维表数据及公共指标汇总数据。其中，明细事实数据、维表数据一般根据 ODS 层数据加工生成。公共指标汇总数据一般根据维表数据和明细事实数据加工生成。CDM 层又细分为维度层（DIM）、明细数据层（DWD）和汇总数据层（DWS），采用维度模型方法作为理论基础， 采取更多的宽表化手段构建公共指标数据层，提升公共指标的复用性，减少重复加工。

数据应用层：存放数据产品个性化的统计指标数据，根据 CDM 层与 ODS 层加工生成。