說說點倉(1)-什麽是點倉？
淺談倉庫盤點(二)——傳統倉庫盤點與互聯網倉庫盤點
淺談倉庫盤點(三)——倉庫盤點體系結構
淺談數據倉庫(4)-索引詞典
談談數據倉庫(5)——日期維度最重要的維度。
淺談數字倉庫(六)——關於命名規範
談數據倉庫(7)——談數據治理
淺談盤點倉庫(八)——關於增量
談幾個倉庫(9)-上下遊協議
談倉數(10)-任務筆記
這幾年的工作都和BI有關，但真正對數據倉庫有系統的了解還是在第壹家公司。當時跟著IBM的顧問，學到了很多模型設計的故事，對入門和啟發都很有幫助。後面幾個倉庫的理解，其實都是在工作中壹點壹滴的實踐探索中得來的。
前面我們講了傳統倉庫盤點和互聯網倉庫盤點的區別，主要是指服務用戶的區別。這裏說的傳統和互聯網其實是相對的。這壹次，我們來談談倉庫計數的架構。
現在談幾個倉庫，更多的會和數據平臺或者基礎設施連接，已經融入到整個基礎設施的建設中。這裏不談Hadoop各個組件之間的配合，只簡單說幾個倉庫的分層架構。
說到倉庫建模，就不得不提兩套經典理論:
事實上，數據倉庫的建模或分層是為了更好地組織、管理和維護數據。在實際開發中，會綜合兩種方式來使用它們。當然還有壹些其他的，比如數據倉庫模型，錨模型，現在還沒有應用，就不說了。
壹般來說，在維度建模中會提到星型模型和雪花型模型，星型模型的OLAP分析非常方便。
簡單，就ODS+DM，同步所有數據，然後直接開發壹些應用級報表，這是最簡單的；當DM層的內容多了以後，如果要復用，就拆分壹個公共層，變成三層架構。最近看了本阿裏的書《大數據之路》，裏面有很多數據倉庫相關的內容，很不錯。經參考，目前使用的分層模型如下:
按照這種分層的方式，我們的開發重點是dwd層，也就是詳細數據層。這裏主要是壹些存儲詳細數據的寬表。當我們到達dws層時，我們將根據不同的維度聚合數據。按道理來說，dws層是壹個市場層，壹般是按照主題來劃分的，屬於維度建模的範疇。Ads是部分應用層，各種報表的輸出。
基於這種分層的方式，我感覺用起來還是很方便的。好吧，我們先到此為止。