數據倉庫簡介：有些人不理解數據倉庫，認為數據倉庫就是獲取數據，只要會使用hadoop、spark等大數據工具就懂數據倉庫，這樣的認識太片面。如果要從海量數據中總結出一個報表或者是多個報表，大數據工程師足以；如果在有限的資源動態的數據情況下，向前可歷史追溯，向后對不斷增加的報表實現兼容，這就需要一套科學的數據管理方法。數據倉庫是一門數據管理的科學，數據倉庫的核心就是計算、存儲和維護之間的博弈。
標准的數據倉庫分層：sd（源數據層），ods（中間存儲層），dw（多維數據層），dm（數據集市層），app（應用層）
源數據層：源數據一般具有多來源、多類型特征，可能使用多種數據庫，甚至是非結構化數據，是數據倉庫中數據最復雜的一層，需要工程師對多種數據庫多種數據類型都有一定了解。
中間存儲層：中間層數據和源數據基本保持一致，保存着最細粒度的數據。中間層可以說是數據倉庫最重要的一層，是所有后期分析的數據基礎。中間存儲層一般存放所有的明細數據，具有數據量大，查詢計算較慢的特點。
多維數據層：多維數據層是經過清洗的，有價值的數據。多維數據層是在存儲層的基礎上清洗臟數據、刪選有價值數據，並且對存儲層的事實維度表進行事實維度分離。與中間存儲層相比，多維數據層與存儲層有着相同的數據粒度，但是具有更小的數據量、更快的查詢速度。
數據集市層：它是面向主題輕度匯總的數據，在某主題的最細粒度數據，能滿足該主題所有需求。數據集市是按照某一主題匯總，既可以由多維數據層匯總，也可是其他集市表進一步匯總，通常是星狀、雪花狀數據和網狀模型。數據集市層主題明確，極大減少使用方理解及使用成本
應用層：這一層就是大家看到的各種報表，一般都是在數據集市基礎上按照各種特定維度匯總的結果。應用層是面向用戶的，數據具有極快的響應速度。
