最后更新于

数据模型架构规范

分类： 架构

数据模型架构规范是大数据项目开发的重要基础 📊，为后续开发工作提供规范及指导建议。本文基于阿里云云原生大数据计算平台的最佳实践，介绍完整的数据模型架构规范。

🏗️ 数据层次划分

ODS层 - 操作数据层

Operational Data Store

  • 📥 功能定位：数据准备区，基础数据记录和历史变化追踪
  • 🔄 数据特点：与源系统增量或全量数据结构基本一致
  • 🎯 主要作用：将基础数据引入到MaxCompute等大数据平台

CDM层 - 公共维度模型层

Common Data Model

  • 🎯 核心功能：数据加工整合、建立一致性维度、构建可复用的分析统计表
  • 📋 细分层次：
    • DWD（Data Warehouse Detail）：明细数据层
    • DWS（Data Warehouse Summary）：汇总数据层

ADS层 - 应用数据层

Application Data Service

  • 🚀 服务对象：直接面向业务应用和数据产品
  • 📊 数据特点：高度聚合的主题数据

💡 注意：具体的仓库分层需要结合业务场景、数据场景、系统场景进行综合考虑。

📊 数据分类架构

img

ODS层架构组成

数据分类架构在ODS层分为三个核心部分：

  • 🔧 数据准备区：原始数据接入和预处理
  • 💾 离线数据区：批量数据存储和处理
  • ⚡ 准实时数据区：流式数据处理

CDM层架构组成

🏛️ 公共维度层

  • 基于维度建模理念，建立企业级一致性维度
  • 确保维度数据的标准化和复用性

📋 明细粒度事实层

  • 以业务过程为建模驱动
  • 构建最细粒度的明细层事实表
  • 支持宽表化处理，冗余重要维度属性

📈 公共汇总粒度事实层

  • 以分析主题对象为建模驱动
  • 基于上层应用和产品指标需求
  • 构建公共粒度的汇总指标事实表

数据处理流程架构

img

数据划分及命名空间约定

请根据业务划分数据并约定命名，建议针对业务名称结合数据层次约定相关命名的英文缩写，这样可以给后续数据开发过程中，对项目空间、表、字段等命名做为重要参照。

  • 按业务划分：命名时按主要的业务划分，以指导物理模型的划分原则、命名原则及使用的ODS project。例如，按业务定义英文缩写，阿里的“淘宝”英文缩写可以定义为“tb”。
  • 按数据域划分：命名时按照CDM层的数据进行数据域划分，以便有效地对数据进行管理，以及指导数据表的命名。例如，“交易”数据的英文缩写可定义为“trd”。
  • 按业务过程划分：当一个数据域由多个业务过程组成时，命名时可以按业务流程划分。业务过程是从数据分析角度看客观存在的或者抽象的业务行为动作。例如，交易数据域中的“退款”这个业务过程的英文缩写可约定命名为“rfd_ent”。

数据模型

模型是对现实事物的反映和抽象，能帮助我们更好地了解客观世界。数据模型定义了数据之间关系和结构，使得我们可以有规律地获取想要的数据。例如，在一个超市里，商品的布局都有特定的规范，商品摆放的位置是按照消费者的购买习惯以及人流走向进行摆放的。

  • 数据模型的作用

    数据模型是在业务需求分析之后，数据仓库工作开始时的第一步。良好的数据模型可以帮助我们更好地存储数据，更有效率地获取数据，保证数据间的一致性。

  • 模型设计的基本原则

    • 高内聚和低耦合

      一个逻辑和物理模型由哪些记录和字段组成，应该遵循最基本的软件设计方法论中的高内聚和低耦合原则。主要从数据业务特性和访问特性两个角度来考虑：将业务相近或者相关的数据、粒度相同数据设计为一个逻辑或者物理模型；将高概率同时访问的数据放一起，将低概率同时访问的数据分开存储。

    • 核心模型与扩展模型分离

      建立核心模型与扩展模型体系，核心模型包括的字段支持常用核心的业务，扩展模型包括的字段支持个性化或是少量应用的需要。在必须让核心模型与扩展模型做关联时，不能让扩展字段过度侵入核心模型，以免破坏了核心模型的架构简洁性与可维护性。

    • 公共处理逻辑下沉及单一

      底层公用的处理逻辑应该在数据调度依赖的底层进行封装与实现，不要让公用的处理逻辑暴露给应用层实现，不要让公共逻辑在多处同时存在。

    • 成本与性能平衡

      适当的数据冗余可换取查询和刷新性能，不宜过度冗余与数据复制。

    • 数据可回滚

      处理逻辑不变，在不同时间多次运行数据的结果需确定不变。

    • 一致性

      相同的字段在不同表中的字段名必须相同。

    • 命名清晰可理解

      表命名规范需清晰、一致，表命名需易于下游的理解和使用。

说明

  • 一个模型无法满足所有的需求。
  • 需合理选择数据模型的建模方式。
  • 通常，设计顺序依次为：概念模型->逻辑模型->物理模型。

参考：https://help.aliyun.com/zh/maxcompute/use-cases/data-model-architecture-specifications