3.2 KiB
从某个角度来看，数据中台很帖近数据仓库
数据中台功能模块图
从上所可知，基于数据中台，要实现的是基于数据的应用体系：
- 数据图表化
- 基于数据，对业务进行分析
- 基于数据，提供的服务
因此，我们要实现这一平台，需要做的，并不是业务本身，而是通过对业务的分析，找到便于分析的数据。 为了实现这一目标，区别于一众业务服务，对业务进行建模，数据中台，要基于业务的分析，对数据进一步抽象。
功能层次
功能层次类似于业务系统中，每一层分工完成对入参的解析，加工处理，存储，提取，加工，输出。
附上一篇CSDN中对于数据分层说明的文章
采集层（STG）
这一层主要做的是数据采集与抽取，定义策略来把数据采集回来，好像一种计划任务，批量或是实时。 是根据CDC策略把各个源系统的数据抽取到数据仓库中。STG层主要是面向批处理的形式，如果是根据日志信息实时同步，可以跳过STG层直接进入ODS层。
- 数据源类型（mysql, log, mongodb）
- 源数据格式 (json, db result set)
- 采集策略 (CDC)
- 采集模式 (批量，实时)
- 采集工具 (oplog, kettle, dataX)
ODS层
ODS层，操作数据层，也叫贴源层，本层直接存放从业务系统抽取过来的数据，这些数据从结构上和数据上与业务系统保持一致，降低了数据抽取的复杂性，本层数据大多是按照源头业务系统的分类方式而分类的。一般来讲，为了考虑后续可能需要追溯数据问题，因此对于这一层就不建议做过多的数据清洗工作，原封不动地接入原始数据即可。
某种意义上来说，这一层仅仅是为了保证原始数据的完整性。源系统依照标准把数据上报，存到这个临时空间，
- 日志，JSON数据
- 结构化数据
使用mongodb存储
DW(Data Warehouse)层 - 数据仓库层
数据仓库层是我们在做数据仓库时要核心设计的一层，本层将从 ODS 层中获得的数据按照主题建立各种数据模型，每一个主题对应一个宏观的分析领域，数据仓库层排除对决策无用的数据，提供特定主题的简明视图。DW层又细分为 DWD(Data Warehouse Detail)层、DWM(Data Warehouse Middle)层和DWS(Data Warehouse Service)层。
即是说，这一层的数据，便是面向数据分析，大数据接口服务的核心数据。
DM层
为数据集市层，这层数据是面向主题来组织数据的，通常是星形或雪花结构的数据。
APP层
为应用层，这层数据是完全为了满足具体的分析需求而构建的数据，也是星形或雪花结构的数据。