數倉分層是結合對業務場景、實際數據、使用系統的綜合分析，對數據模型進行的整體架構設計及層級劃分。用于將不同用途的數據，歸類劃分至不同的分層，便于您更好地組織、管理、維護數據。本文為您介紹如何創建并管理數倉分層。
背景信息
數據倉庫是所有數據的集合，包括日志信息、數據庫數據、文本數據、外部數據等都集成在數據倉庫中。數倉分層、數據域、業務過程、數據集市、主題域等要素，共同確定了您此次建模的邏輯數倉架構。其中，數據域及業務過程位于公共層，用于公共層數據模型的構建。數據集市及主題域位于應用層，用于面向具體業務應用的模型構建。
數倉分層保障了數據在進入數據倉庫之前都經過清洗和過濾，使原始數據不再雜亂無章，優化了查詢過程，有效的提高了數據獲取、統計和分析的效率。同時，數倉分層實現了各種不同維度數據的關聯，使多維分析更加方便，為從多角度、多層次地數據分析和決策制定提供便捷。
規劃數倉分層
數倉分層需要結合業務場景、數據場景、系統場景進行綜合考慮設計，您可以根據實際業務需求，規劃您數據模型的分層。
DataWorks的數倉分層功能，默認為您創建了數據引入層ODS（Operational Data Store）、公共維度層DIM（Dimension）、明細數據層DWD（Data Warehouse Detail）、匯總數據層DWS（Data Warehouse Summary）及應用數據層ADS（Application Data Service）等五層，各個分層的功能介紹如下：
數據引入層 ODS（Operational Data Store）
ODS層用于接收并處理需要存儲至數據倉庫系統的原始數據，其數據表的結構與原始數據所在的數據系統中的表結構一致，是數據倉庫的數據準備區。ODS層對原始數據的操作具體如下：
將原始的結構化數據增量或全量同步至數據倉庫中。
將原始的非結構化數據（例如，日志信息）進行結構化處理，并存儲至MaxCompute。
根據實際業務需求，記錄原始數據的歷史變化或對原始數據進行簡單的清洗。
ODS層的數據表，命名必須以
ods開頭，并且生命周期為366天。明細數據層 DWD（Data Warehouse Detail）
DWD層通過企業的業務活動事件構建數據模型。基于具體業務事件的特點，構建最細粒度的明細數據表。您可以結合企業的數據使用特點，將明細數據表的某些重要維度屬性字段適當冗余，即寬表化處理。同時，也可以減少明細數據表及維度表的關聯，提高明細表的易用性。
匯總數據層 DWS（Data Warehouse Summary）
DWS層通過分析的主題對象構建數據模型。基于上層的應用和產品的指標需求，構建公共粒度的匯總指標事實表。
例如，從ODS層中對用戶的行為做一個初步的歸類匯總，抽象出來一些通用的維度，假設維度為時間、IP、ID，并根據這些維度統計出相關數據，比如用戶每個時間段在不同登錄IP購買的商品數。則在DWS層可以進一步添加一層輕度的匯總，可以讓計算更加的高效。例如在此基礎上計算僅7天、30天、90天的行為會節省很多時間。
應用數據層 ADS（Application Data Service）
ADS層用于存放數據產品個性化的統計指標數據，輸出各種報表。例如，某電商企業，在6月9日至6月19日，杭州地域出售的各大球類商品的數量及排行情況。
公共維度層 DIM（Dimension）
DIM層使用維度構建數據模型。可基于實際業務，存放邏輯模型的維度表；或存放概念模型的維度定義，通過定義維度，確定維度主鍵，添加維度屬性，關聯不同維度等操作，構建整個企業的一致性數據分析維表，幫助您降低數據計算口徑和算法不統一的風險。
對于創建的分層，您可以選擇平鋪展示或層級結構展示，如下圖所示。
展示方式 | 描述 |
平鋪展示 | 不區分層級結構，所有分層統一平鋪放置。 |
層級結構展示 | DataWorks為您提供了貼源層、公共層、應用層、其他等分層歸屬，您可以將創建的數據分層掛載至不同的分層歸屬。
|
分層歸屬一旦設置（包括新建時配置及編輯修改配置）則無法變更，請您合理規劃層級歸屬。
創建數倉分層
系統已默認為您創建了五個分層（ODS層、DIM層、DWD層、DWS層、ADS層），可滿足絕大部分的場景和需求，如您存在部分需要個性化處理的場景，可參見如下步驟創建新的數倉分層。
個性化處理的場景示例：抽象出TMP（臨時表）層，在創建表時嚴格將表歸屬到對應分層，對每個分層設定一些標準和校驗規則，譬如命名規范、生命周期設置等。
進入數倉分層。
登錄DataWorks控制臺，切換至目標地域后，單擊左側導航欄的，在下拉框中選擇對應工作空間后單擊進入數據建模。
在智能數據建模頁面的頂部菜單欄，單擊數倉規劃，默認進入數倉分層頁面。
創建分層。
單擊新建分層，在新建數倉分層對話框配置分層的基本信息。
參數
描述
英文縮寫
數倉分層的英文縮寫，唯一標識數倉分層。
英文名
數倉分層的英文名稱。
中文名
數倉分層的中文名稱。
負責人
創建數倉分層的負責人。默認為當前登錄賬號。
分層歸屬
該參數與模型類型配合使用。用于將創建的分層劃分至不同層級，并關聯對應的模型類型。
貼源層：主要用于數據庫、日志、消息等基礎數據的引入。
公共層：主要完成公共數據的加工與整合，建立統一的維度，構建可復用面向分析和統計的明細事實表，以及匯總公共粒度的指標。
應用層：基于實際應用需求，獲取公共層加工整合后的數據，進行持續的個性化數據建設及改造。
其他：用于存放存量創建的系統默認層級及用戶自定義的層級。
系統默認層級：您需提交給技術支持人員，幫助您修改該類層級的分層歸屬。
用戶自定義的層級：您需通過編輯操作，修改層級的分層歸屬。
說明如果位于其他層級的數據分層未修改層級歸屬，則后續創建模型表時無法掛載相應表至該層級。
說明分層歸屬一旦設置（包括新建時配置及編輯修改配置）則無法變更，請您合理規劃層級歸屬。
模型類型
該參數與分層歸屬配合使用。用于將對應的模型類型掛載至不同的分層歸屬。
貼源表：只能掛載至貼源層。
明細表：只能掛載至公共層。
應用表：只能掛載至應用層。
匯總表：只能掛載至公共層。
維度表、維度以及維度表、維度（即維度表和維度的組合）：可掛載至公共層及應用層。
說明模型類型一旦設置則無法變更，請您合理規劃模型類型。
已創建的數倉分層中，若中英文名稱中包含關鍵詞
dim、DIM、Dim、維度，則DataWorks默認將其模型類型變更為維度、維度表。
備注
數倉分層的備注信息。您可輸入目標數倉分層的功能描述，方便您快速了解每個分層的功能作用，將對應業務數據存放至合適的分層。
最大長度為2048字符。
單擊確認，完成創建。
后續步驟
數倉分層創建完成后，您需創建數倉分層檢查器，用于規范數倉分層中表的命名規范，詳情請參見配置及使用數倉分層檢查器。