数据仓库的发展

数据仓库解决方案诞生至今，也有2、30年的发展历史了，在这个过程中，数仓理论不断被更新和完善，逐步形成了目前大家普通遵守的数仓开发理论（概念）。

数据仓库的发展

阶段1 以解决数据孤岛为需求

从名字中可以看出，数据仓库就是 数据的仓库。

最早数仓的提出是为了解决传统架构下的数据孤岛问题。

数据孤岛问题现在普遍存在于各类企业中，数据孤岛的产生是因为：

• 业务线、业务部门等划分，导致企业中有许多独立的业务数据库
• 这些业务数据库相互独立，各自负责对应的业务线
• 这样就导致，想要进行大范围的数据分析，就很麻烦，需要从各个数据库中抽取数据做聚合后才能进行分析。

所以，在当时，人们提出了一个概念：

将数据孤岛中所需要的业务核心数据，抽取到一个集中存储的数据库中，用以进行数据利用和分析。

而数据的集中存储，就像把东西都扎堆存放到仓库中一样，后来，这个概念就被命名为：数据仓库

阶段2 更好的管理和架构数据存储

随着越来越多的数据，集中存储到数据仓库中，数仓中的内容也越发庞杂。

依此为背景，逐步发展出了许多数仓数据架构的模型，如常见的：

• 雪花模型
• 星型模型
• 星座模型等

基于这些模型理论，数仓中的一些行为被梳理成对应的概念：

• 维度表
• 事实表
• 指标
• 等

阶段3 更好的数据处理流程

在梳理了数据的存储架构后，一个新的问题出现了：

随着分析的进行，产生了太多了中间结果表、最终结果表、临时表、转换表等流程产物。

这么一堆的东西挤在数据库中也很多很杂，基于这样的背景，数仓分层的架构被提出。

分层架构指出，要基于业务的特性和数据处理流程的特点，针对性的对数仓进行分层处理，根据层级来确定数据处理的方向。这样方便：

清晰的数据结构：

每一个数据分层都有它的作用域，这样我们在使用表的时候能更方便地定位和理解。

数据血缘追踪：

简单来说，我们最终给业务呈现的是一个能直接使用业务表，但是它的来源有很多，如果有一张来源表出问题了，我们希望能够快速准确地定位到问题，并清楚它的危害范围。

减少重复开发：

规范数据分层，开发一些通用的中间层数据，能够减少极大的重复计算。

把复杂的问题简单化：

将一个复杂的任务分解成多个步骤来完成，每一层只处理单一的步骤，比较简单和容易理解。而且便于维护数据的准确性，当数据出现问题之后，可以不用修复所有的数据，只需要从有问题的步骤开始修复。

屏蔽原始数据的异常:

屏蔽业务的影响，不必改一次业务就需要重新接入数据

目前常见的数据层级有：

• ODS层：数据运营层（原始数据）
• DW层：数据仓库层
• DM层：数据集市层
• ADS层：应用数据层
• 以及在DW层面上更为细化的：DWD（数据明细层）、DWS、DWB层等。

这3个阶段的完成，也就逐步发展到目前我们所接触到的常见的数仓的样子。