資料倉庫分層的原因

1通過資料預處理提高效率，因為預處理，所以會存在冗餘資料

2如果不分層而業務系統的業務規則發生變化，就會影響整個資料清洗過程，工作量巨大

3通過分層管理來實現分步完成工作，這樣每一層的處理邏輯就簡單了

標準的資料倉庫分層：ods（臨時儲存層），pdw（資料倉庫層），mid（資料集市層），app（應用層）

ods：歷史儲存層，它和源系統資料是同構的，而且這一層資料粒度是最細的，這層的表分為兩種，一種是儲存當前需要載入的資料，一種是用於儲存處理完後的資料。

pdw：資料倉庫層，它的資料是乾淨的資料，是一致的準確的，也就是清洗後的資料，它的資料一般都遵循資料庫第三正規化，資料粒度和ods的粒度相同，它會儲存bi系統中所有歷史資料

mid：資料集市層，它是面向主題組織資料的，通常是星狀和雪花狀資料，從資料粒度將，它是輕度彙總級別的資料，已經不存在明細的資料了，從廣度來說，它包含了所有業務數量。從分析角度講，大概就是近幾年

app：應用層，資料粒度高度彙總，倒不一定涵蓋所有業務資料，只是mid層資料的一個子集。

資料倉庫的目的是構建面向分析的整合化資料環境，為企業提供決策支援。資料倉庫的context也可以理解為：資料來源，資料倉庫，資料應用

資料倉庫可以理解為中間整合化資料管理的一個平臺

etl（抽取extra，轉化transfer，裝載load）是資料倉庫的流水線，也可以認為是資料倉庫的血液。

資料倉庫的儲存並不需要儲存所有原始資料，因為比如你儲存冗長的文字資料完全沒必要，但需要儲存細節資料，因為需求是多變的，而且資料倉庫是匯入資料必須經過整理和轉換使它面向主題，因為前臺資料庫的資料是基於oltp操作組織優化的，這些可能不適合做分析，面向主題的組織形式才有利於分析。

多維資料模型就是說可以多維度交叉查詢和細分，應用一般都是基於聯機分析處理（online analytical process OLAP），面向特定需求群體的資料集市會基於多位資料模型構建

而報表展示就是將聚合資料和多維分析資料展示到報表，提供簡單和直觀的資料。

元資料，也叫解釋性資料，或者資料字典，會記錄資料倉庫中模型的定義，各層級之間的對映關係，監控資料倉庫的資料狀態和etl的任務執行狀態。一般通過元資料資料庫來統一儲存和管理元資料。