1、数据仓库ETL
https://www.cnblogs.com/yjd_hycf_space/p/7772722.html
2、数据仓库分层
ODS：原始数据层
数据来源可能是通过Flume监控、Sqoop导入.......
Flume可以定义拦截器，进行数据ETL。
Sqoop可以通过sql语句，进行数据ETL。
所以很多情况下ods存放的ETL之后的原始数据。
作用：在业务系统和数据仓库之间形成一个隔离层，保存的是原始数据或者ETL之后的原始数据
DWD：数据明细层
是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合，是一个包含所有主题的通用的集合
会在ods层基础上，可能做三件事：
①结构和粒度与ods保持一致，对ods层数据进行再次清洗（去空、去脏数据，去超过极限的数据）
②调整压缩算法、存储格式：
1、存储格式：
HIve的文件存储格式有四种：TEXTFILE 、SEQUENCEFILE、ORC、PARQUET，前面两种是行式存储，后面两种是列式存储。
行式存储：
优点：
a)相关的数据是保存在一起，比较符合面向对象的思维，因为一行数据就是一条记录
b)这种存储格式比较方便进行INSERT/UPDATE操作
缺点：
a)如果查询只涉及某几个列，它会把整行数据都读取出来，不能跳过不必要的列读取。当然数据比较少，一般没啥问题，如果数据量比较大就比较影响性能
b)由于每一行中，列的数据类型不一致，导致不容易获得一个极高的压缩比，也就是空间利用率不高
列式存储
优点：
a)查询时，只有涉及到的列才会被查询，不会把所有列都查询出来，即可以跳过不必要的列查询
b)由于每列的数据格式一样，所以压缩率高效，不仅节省储存空间也节省计算内存和CPU
c)任何列都可以作为索引
缺点：
a)INSERT/UPDATE很麻烦或者不方便
b)不适合扫描小量的数据
压缩比：ORC > Parquet > textFile（textfile没有进行压缩）
查询速度：当数据量较大时，列式存储快，数据量小的时候，查询速度无明显区别。
2、压缩：
在ods层，我们希望压缩算法的压缩比特别高，用以节省空间！！所以有条件的话会选择gizp压缩，文件存储格式无所谓！！
DWD、DWS中，我们期望的文件格式是解压和压缩速度快，用以提高查询效率！！一般会选择Snappy + (orc或者parquet) //其中如果和spark sql集成了，那么推荐parquet
例子：
create external table t(
.......
.......
)comment '测试表'
partitioned by('dt' string)
stored as parquet //存储格式
location '/warehouse/online_trade/dwd/dwd_t'
tblproperties("parquet.compression"="snappy") //压缩算法
③看是否能进行维度退化
比如说大学这个维度，在mysql中分了大学、学院、专业三个维度，那么将其合并成一个维度！
sql语句比较好实现，也就是三张表合并为一张表（第三范式变为第一范式，直接用join on，这里不写例子）
降维的缺点和优点：
优点：减少shuffle，更贴近星型模型
缺点：增加了冗余，有些维度表不能共用（比如专业很多学校都开设了，如果变为第一范式（一张表），那么不能共用）
注：这里说的降维并不是全部弄成一张大表，还是需要区分事实表和维度表，是将雪花模型的多级维度表进行合并！！！
④建模
这个算是这一层最主要的功能了，在这一层的建模中，你必须：
①确定建模方式（雪花模型、星型模型等）
②根据建模的方式抽取维度表和事实表
数据建模请参考上一篇文章：https://www.cnblogs.com/lihaozong2013/p/10725830.html
DWS：数据服务层
以dwd为基础，进行轻度汇总，一般聚集到以用户当日、设备当日、商家当日、商品当日等等的粒度。
在这层通常会有以某一维度为线索，组成跨主题的宽表，比如一个用户的当日签到数、收藏数、评论数、抽奖数、订阅数、浏览商品数、添加购物车数、下单数、支付数等组成的多列表
注：其实这一层就是一张行为宽表，以时间（每天、每周、每月）统计用户（商品、商家）所做的所有事！！！（是最重要的中间表）
注：意义：如果有了这一层，那么对于DM层的什么地区签到、收藏、总评论数等指标都能灵活实现！！
create external table dws_user_action(
user_id string comment '用户id'，
order_count bigint comment '下单次数'，
order_amount decimal(16,2) comment '下单总金额'，
payment_id bigint comment '支付次数'，
payment_amount decimal(16,2) comment '支付总金额'，
addcart_ct bigint comment '购物车添加次数'，
favorite_ct bigint comment '收藏次数'，
comment_ct bigint comment '评论次数'，
.................. //还有很多列，对于sql，可以先一个指标一个指标求出来，然后根据user_id join
)comment '用户行为宽表'
partitioned by('dt' string)
stored as parquet //存储格式
location '/warehouse/online_trade/dws/dws_user_action'
tblproperties("parquet.compression"="snappy") //压缩算法
ADS：数据应用层
也叫DM：数据集市
也叫APP：数据应用层
数据集市，以某个业务应用为出发点而建设的局部dw，dw只关心自己需要的数据，不会全盘考虑企业整体的数据架构和应用。每个应用有自己的DM。
也就是说，面向实际的数据需求，以DWD或者DWS层的数据为基础，组成的各种统计报表。