原因

1.處理的資料基本都是以T為單位的，資料量比較大，如果不分層會對處理資料造成很大的困難程度。
2.將複雜的任務分解成多層來完成，每一層只處理簡單的任務，方便定位問題。
3.規範資料分層，通過的中間層資料，能夠減少極大的重複計算，增加一次計算的複用性。
4.不論是資料的異常還是資料的敏感性，其真實的資料與統計資料解耦開，把我們想要的資料從複雜的資料集中解析出。

分層標準

對於普通的資料分層大致只有五層：ODS,DWD,DWS,DWT,ADS。

1. ods(原始資料層）：從hdfs取資料，ods存放原始資料，載入原始日誌以及資料，不對資料進行任何操作.
2. dwd(資料明細層）：對ods層來的資料進行清洗（去除空值，髒資料，超過範圍的資料）、維度退化、脫敏等。在這一層需要進行維度建模，一般採用星型模型，太會太去實現3FN，在hadoop體系中多次的驚醒jion會降低速率，粒度是一行資訊代表一次行為（需要按照自己的需求來決定粒度的大小）。
   
   維度建模的過程：

選擇業務過程→宣告粒度→確認維度→確認事實

3. dws(資料服務層）：以dwd層來的資料為基礎，按照粒度需求進行輕度彙總。
4. dwt(資料主題層）：以dws層的資料為基礎，按照主題進行彙總。主要是進行資料總體的總結匯總，比如dws層的資料是按照天來計算，那麼dwt層的資料就是按照月或者年來計算總結。
5. ads(資料服務層）：為各種資料報表提供資料。會將ads層的資料傳到mysql，方便superset視覺化報表的使用