文章目录
数仓维度层DWS层构建
01：项目回顾
- ODS层与DWD层的功能与区别是什么？- ODS：原始数据层 - 存储格式：AVRO- 数据内容：基本与原始数据是一致的- DWD：明细数据层 - 存储格式：Orc- 数据内容：基于与ODS层是一致的
- ODS层的需求是什么？- 自动化建库建表- 建表
create table one_make_ods.表名tableproperties(schema文件)- 表名- 表的注释- 表对应的HDFS地址- Schema文件的地址 - DWD层的需求是什么？- 自动化建库建表- 建表
create table one_make_dwd.表名( 字段信息)location- 表名- 表的注释- 表对应的HDFS地址- 字段信息 - 怎么获取表的Schema信息？- 表的注释、Schema信息- ODS：Oracle中获取表的注释、Schema文件从Sqoop生成的- DWD：Oracle中获取表的信息 - TableMeta：表名，表的注释，列的信息：List- ColumnMeta：列名、列的注释、列的类型、长度、精度
- 如何使用Python构建Oracle和Hive的连接？- Oracle：cx_Oracle - conn（host,port,user,passwd,sid）- Hive/SparkSQL：pyHive - SparkSQL用法- 编程方式：python文件 | jar包 - 流程 - step1：SparkSession- step2：读取数据源- step3：处理 - 注册视图- spark.sql(“”)- spark-submit- 优点：灵活- 场景：DSL- 提交SQL：ThriftServer - 场景：SQL，调度开发- 流程 - JDBC | PyHive | Beeline：代码中开发- spark-sql -f xxxx.sql：SQL文件的运行
- 如果实现SQL语句的执行？- step1： 先构建服务端的远程连接- 服务端地址：主机名 + 端口- 用户名和密码- step2：基于这个连接构建一个游标- step3：通过游标来执行SQL语句：execute(String：SQL)- step4：释放资源
- 集中问题- 连接构建不上 - 映射不对：spark.bigdata.cn：Can not Connect[46.xxx.xxxx.xx，10001] - 修改host文件- 修改config.txt：node1- 服务端问题：spark.bigdata.cn：Can not Connect[192.168.88.100，10001] - Spark的TriftServer没有启动 - 启动完成先用dg或者beeline先测试一下- ThriftServer：依赖于MetaStore + YARN - 检查YARN：本质就是一个Spark程序：实时程序，不停止的- Oracle：cx_Oracle + 本地客户端：D:\instantclient_12_2- 安装 - Python版本：Python 3.7.4- 命令sasl
02：项目目标
- 回顾维度建模 - 建模流程：划分主题域和主题- 维度设计：构建维度矩阵- 维度模型：雪花模型、星型模式
- 项目中的建模流程和维度设计- 划分了哪些主题域，每个主题域有哪些主题？- 每个主题基于哪些维度进行分析？
- 维度层构建- 时间维度- 地区维度- 油站维度- 服务网点维度- 组织机构维度- 仓库维度- 物流维度
03：维度建模回顾：建模流程
- 目标：掌握维度建模的建模流程
- 实施- step1-需求调研：业务调研和数据调研- 了解整个业务实现的过程- 收集所有数据使用人员对于数据的需求- 整理所有数据来源- step2-划分主题域：面向业务将业务划分主题域及主题- 用户域、店铺域- 商品域、交易域、- 客服域、信用风控域、采购分销域- step3-构建维度总线矩阵：明确每个业务主题对应的维度关系
- step4-明确指标统计：明确所有原生指标与衍生指标- 原生指标：基于某一业务事件行为下的度量，是业务定义中不可再拆分的指标，如支付总金额- 衍生指标：基于原子指标添加了维度：近7天的支付总金额等- step5-定义事实与维度规范- 命名规范、类型规范、设计规范等- step6-代码开发- 实现具体的代码开发- 只要知道指标的计算方式，基于维度分组计算指标 - 小结- 掌握维度建模的建模流程
04：维度建模回顾：维度设计
- 目标：掌握维度建模中维度的设计
- 实施- 功能：基于组合维度来更加细化我们的指标，来更加精确的发现问题 - 指标如果不基于组合维度进行分析得到，指标的结果是没有意义的- 实现：开发中维度就是指标聚合时的分组字段- 特点- 数据量小- 很少发生变化- 采集方式：全量- 常见维度- 时间维度：年、季度、月、周、天、小时- 地区维度：国家、省份、城市- 平台维度：网站、APP、小程序、H5- 操作系统维度：Windows、Mac OS、Android、Linux、IOS- ……
- 小结- 掌握维度建模中维度的设计
05：维度建模回顾：维度模型
- 目标：掌握维度设计的常用模型
- 路径- step1：雪花模型- step2：星型模型- step3：星座模型
- 实施- 雪花模型- 设计：部分维度通过其他维度间接关联事实表- 优点：避免数据的冗余- 缺点：关联层次比较多，数据大的情况下，底层层层Join，查询数据性能降低
- 星型模型- 设计：所有维度表直接关联事实表- 优点：每次查询时候，直接获取对应的数据结果，不用关联其他的维度子表，可以提高性能- 缺点：数据冗余度相比雪花模型较高
- 星座模型- 星座模型：基于星型模型的演变，多个事实共同使用一个维度表
- 小结- 掌握维度设计的常用模型
本文转载自: https://blog.csdn.net/xianyu120/article/details/130698395
版权归原作者 Maynor996 所有， 如有侵权，请联系我们删除。
版权归原作者 Maynor996 所有， 如有侵权，请联系我们删除。