网站做网站做任务,all in one wordpress,江苏住房和城乡建设厅网站首页,资料库网站开发报价1、什么是数据仓库#xff1f; 权威定义#xff1a;数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合#xff0c;用于支持管理决策。
1#xff09;数据仓库是用于支持决策、面向分析型数据处理#xff1b;
2#xff09;对多个异构的数据源有效集…
1、什么是数据仓库 权威定义数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合用于支持管理决策。
1数据仓库是用于支持决策、面向分析型数据处理
2对多个异构的数据源有效集成集成后按照主题进行重组并包含历史数据而且存放在数据仓库中的数据一般不再修改。
面对大数据的多样性在存储和处理这些大数据时我们就必须要知道两个重要的技术。
分别是数据仓库技术、Hadoop。当数据为结构化数据来自传统的数据源则采用数据仓库技术来存储和处理这些数据如下图 2、数据仓库和数据库的区别
从目标、用途、设计来说。
1数据库是面向事务处理的数据是由日常的业务产生的并且是频繁更新的数据仓库是面向主题的数据来源多样化经过一定的规则转换得到的用于分析和决策
2数据库一般用来存储当前事务性数据如交易数据数据仓库一般存储的是历史数据
3数据库设计一般符合三范式有最大的精确度和最小的冗余度有利于数据的插入数据仓库设计一般不符合三范式有利于查询。
3、如何构建数据仓库
数据仓库模型的选择是灵活的不局限与某种模型方法
数据仓库数据是灵活的以实际需求场景为导向
数仓设计要兼顾灵活性、可扩展性、要考虑技术可靠性和实现成本。
1调研业务调研、需求调研、数据调研
2划分主题域通过业务调研、需求调研、数据调研最终确定主题域
3构建总线矩阵、维度建模
总线矩阵把总线架构列表形成矩阵形式行表示业务处理过程即事实列表示一致性的维度在交叉点上打上标记表示该业务处理过程与该维度相关交叉探查
4设计数仓分层架构
5模型落地
6数据治理
4、什么是数据中台
数据中台是通过数据技术对海量数据进行采集、计算、存储、加工同时统一标准和口径。数据中台把数据统一之后会形成标准数据再进行存储形成大数据资产层进而为客户提供高效服务。
这些服务和企业的业务有较强关联性是企业所独有且能复用的他是企业业务和数据的积淀其不仅能降低重复建设减少烟囱式协助的成本也是差异化竞争的优势所在。
数据中台是通过整合公司开发工具、打通全域数据、让数据持续为业务赋能实现数据平台化、数据服务化和数据价值化。
数据中台更加侧重于“复用”和“业务”。
5、数据中台、数据仓库、大数据平台、数据湖的关键区别是什么
1 基础能力上的区别
数据平台提供的是计算和存储能力
数据仓库利用数据平台提供的计算和存储能力在一套方法论的指导下建设的一整套的数据表
数据中台包含了数据平台和数据仓库的所有内容将其打包并且以更加整合以及更加产品化的方式对外提供服务和价值
数据湖一个存储企业各种各样原始数据的大型仓库包括结构化和非结构化数据其中湖里的数据可供存取、处理、分析和传输
2 业务能力上的区别
数据平台为业务提供数据主要方式是提供数据集
数据仓库相对具体的功能概念是存储和管理一个或多个主题数据的集合为业务提供服务的方式主要是分析报表
数据中台企业级的逻辑概念体现企业数据产生价值的能力为业务提供服务的主要方式是数据API
数据湖数据仓库的数据来源
总的来说数据中台距离业务更近数据复用能力更强能为业务提供速度更快的服务数据中台在数据仓库和数据平台的基础上将数据生产为一个个数据API服务以更高效的方式提供给业务。数据中台可以建立在数据仓库和数据平台之上是加速企业从数据到业务价值的过程的中间层。
6、大数据有哪些相关的系统
数仓设计中心按照主题域、业务过程分层的设计方式以维度建模作为基本理论依据按照维度、度量设计模型确保模型、字段有统一的命名规范
数据资产中心梳理数据资产基于数据血缘数据的访问热度做成本的治理
数据质量中心通过丰富的稽查监控系统对数据进行事后校验确保问题数据第一时间被发现避免下游的无效计算分析数据的影响范围。
指标系统管理指标的业务口径、计算逻辑和数据来源通过流程化的方式建立从指标需求、指标开发、指标发布的全套协作流程
数据地图提供元数据的快速索引数据字典、数据血缘、数据特征信息的查询相当于元数据中心的门户。
7、如何建设数据中台
数据中台在企业落地实践时结合技术、产品、数据、服务、运营等方面逐步开展相关工作
1理现状了解业务现状、数据现状、IT现状、现有的组织架构
2定架构确认业务架构、技术架构、应用架构、组织架构
3建资产建立贴近数据层、统一数仓层、标签数据层、应用数据层
4用数据对数据进行输出、应用
5数据运营持续运营、持续迭代
中台建设需要有全员共识由管理层从上往下推进由技术和业务人员去执行和落地是一个漫长的过程在实施数据中台时最困难的地方就是需要有人推动。
8、数据仓库最重要的是什么
个人认为是数据集成和数据质量
企业的数据通常存储在多个异构数据库中要进行分析必须对数据进行一致性整合整合后才能对数据进行分析挖掘出潜在的价值
数据质量必须有保障数据质量不过关别人怎么会使用你的数据
9、概念模型、逻辑模型、物理模型分别介绍一下
1概念模型CDM概念模型是最终用户对数据存储的看法反映了最终用户综合性的信息需求以数据类的方式描述企业级的数据需求
概念模型的内容包括重要的实体与实体之间的关系在概念模型中不包含实体的属性也不包含定义实体的主键
概念模型的目的是统一业务概念作为业务人员和技术人员之间的沟通桥梁确定不同实体之间的最高层次的关系
2逻辑模型LDM逻辑模型反映的是系统分析人员对数据存储的观点是对概念模型的进一步分解和细化逻辑模型是根据业务规则确定的关于业务对象业务对象的数据项以及业务对象之间关系的基本蓝图
逻辑模型的内容包括所有的实体和关系确定每个实体的属性定义每个实体的主键指定实体的外键需要进行范式化处理
逻辑模型的目标是尽可能详细的描述数据并不考虑物理上如何实现
3物理模型PDM物理模型是在逻辑模型的基础上考虑各种具体的技术实现因素进行数据体系结构设计真正实现数据在数据仓库中的存放
物理模型的内容包括确定所有的表和列定义外键用确认表之间的关系基于用户的需求可能要进行反范式化等内容
10、SCD常用的处理方式有哪些
slowly changing dimensions 缓慢变化维度
常见的缓慢变化维处理方式有三种
1直接覆盖不记录历史数据薪数据覆盖旧数据
2新加一行数据纵向扩展使用代理主键生效失效时间或者是代理主键生效失效标识保存多条记录直接新添一条记录同时保留原有记录并用单独的专用字段保存
3新加两个字段横向扩展一个是previous一个是current每次更新只更新这两个值但是这样职能保留最近两次的变化添加历史列用不同的字段保存变化痕迹因为只保存两次变化记录使用与变化不超过两次的维度
11、怎么理解元数据
1、业务元数据
描述 数据背后的业务含义。
主题定义每段 ETL、表背后的归属业务主题。
业务描述每段代码实现的具体业务逻辑。
标准指标类似于 BI 中的语义层、数仓中的一致性事实将分析中的指标进行规范化。
标准维度同标准指标对分析的各维度定义实现规范化、标准化。
不断的进行维护且与业务方进行沟通确认。
2、技术元数据
数据源元数据例如数据源的 IP、端口、数据库类型数据获取的方式数据存储的结构原数据各列的定义及 key 指对应的值。
ETL 元数据
根据 ETL 目的的不同可以分为两类数据清洗元数据数据处理元数据。
数据清洗主要目的是为了解决掉脏数据及规范数据格式因此此处元数据主要为各表各列的正确数据规则默认数据类型的正确规则。
数据处理例如常见的表输入表输出非结构化数据结构化特殊字段的拆分等。源数据到数仓、数据集市层的各类规则。比如内容、清理、数据刷新规则。
数据仓库元数据
数据仓库结构的描述包括仓库模式、视图、维、层次结构及数据集市的位置和内容业务系统、数据仓库和数据集市的体系结构和模式等。
BI 元数据
汇总用的算法、包括各类度量和维度定义算法。数据粒度、主题领域、聚集、汇总、预定义的查询与报告。
3、管理元数据
管理领域相关包括管理流程、人员组织、角色职责等。
12、数仓如何确定主题域
主题是在较高层次上将数据进行综合、归类和分析利用的一个抽象概念每一个主题基本对应一个宏观的分析领域在逻辑意义上他是对企业中某一宏观分析领域所涉及的分析对象。
面向主题的数据组织方式就是在较高层次上对分析对象的数据的一个完整并且一致的描述能刻画各个分析对象所涉及的企业各项数据以及数据之间的联系。
主题域通常是联系较为机密的数据主题的集合可以根据业务的关注度将这些数据主题划分到不同的主题域也就是说对某个主题进行分析后确定的主题的边界。
关于主题域的划分可以考虑几方面
1、按照业务或者业务过程划分比如一个靠销售广告位置的门户网站主题域可能会有广告域客户域等而广告域可能就会有广告的库存销售分析、内部投放分析等主题
2、根据需求方划分比如需求方为财务部就可以设定对应的财务主题域而财务主题域里面可能就会有员工工资分析投资回报比分析等主题
3、按照功能或者应用划分比如微信中的朋友圈数据域、群聊数据域等而朋友圈数据域可能就会有用户动态信息主题、广告主题等
4、按照部门划分比如可能会有运营域、技术域等运营域中可能会有工资支出分析、活动宣传效果分析等主题
总而言之切入的出发点逻辑不一样就可以存在不同的划分逻辑。在建设过程中可采用迭代方式不纠结于一次完成所有主题的抽象可先从明确定义的主题开始后续逐步归纳总结成自身行业的标准模型。
13、如何控制数据质量
1校验机制每天对比数据量比如count早发现早修复
2数据内容的比对抽样对比
3复盘、每月做一次全量
14、模型设计的思路业务驱动数据驱动
构建数据仓库有两种方式自上而下、自下而上
Bill Inmon推崇自上而下的方式这里的上指的是数据源出发一个企业建立唯一的数据中心数据是经过整合、清洗、去掉脏数据、标准的、能够提供统一的视图。要从整个企业的环境入手建立数据仓库要做很全面的设计。偏数据驱动
Ralph Kimball推崇自下而上的方式这里的下指的是从业务需求出发认为数据仓库应该按照实际的应用需求架子啊需要的数据不需要的数据不要加载到数据仓库中。这种方式建设周期短用户能很快看到结果。偏业务驱动
15、为什么需要数据仓库建模
数仓建模需要按照一定的数据模型对整个企业的数据进行采集整理提供跨部门、完全一致的报表数据。
合适的数据模型对于大数据处理来讲可以获得得更好的性能、成本、效率和质量。良好的模型可以帮助我们快速查询数据减少不必要的数据冗余提高用户的使用效率。
数据建模进行全方面的业务梳理改进业务流程消灭信息孤岛更好的推进数仓系统的建设。
16、数据仓库建模方法有哪些
维度模型
维度建模按数据组织类型划分可分为星型模型、雪花模型、星座模型。
Kimball老爷爷维度建模四个步骤
选择业务处理过程 定义粒度 选择维度 确定事实
星型模型
星型模型主要是维表和事实表以事实表为中心所有维度直接关联在事实表上呈星型分布。
雪花模型
雪花模型在星型模型的基础上维度表上又关联了其他维度表。这种模型维护成本高性能方面也较差所以一般不建议使用。尤其是基于hadoop体系构建数仓减少join就是减少shuffle性能差距会很大。
星型模型可以理解为一个事实表关联多个维度表雪花模型可以理解为一个事实表关联多个维度表维度表再关联维度表。
星座模型
星座模型是对星型模型的扩展延伸多张事实表共享维度表。
星座模型是很多数据仓库的常态因为很多数据仓库都是多个事实表的。所以星座模型只反映是否有多个事实表他们之间是否共享一些维度表。
范式模型
即实体关系ER模型数据仓库之父Immon提出的从全企业的高度设计一个3NF模型用实体加关系描述的数据模型描述企业业务架构在范式理论上符合3NF。此建模方法对建模人员的能力要求非常高。
特点设计思路自上而下适合上游基础数据存储同一份数据只存储一份没有数据冗余方便解耦易维护缺点是开发周期一般比较长维护成本高。
Data Vault模型
DataVault由Hub关键核心业务实体、Link关系、Satellite实体属性 三部分组成 是Dan Linstedt发起创建的一种模型方法论它是在ER关系模型上的衍生同时设计的出发点也是为了实现数据的整合并非为数据决策分析直接使用。
Anchor模型
高度可扩展的模型所有的扩展只是添加而不是修改因此它将模型规范到6NF基本变成了K-V结构模型。企业很少使用。
17、数仓架构为什么要分层
分层可以清晰数据结构使用时更好的定位和理解
方便追踪数据的血缘关系
规范数据分层可以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
屏蔽原始数据的异常下游任务没有感知异常
转载自全栈云技术架构
