1. 数据分层
业界对数仓分层的看法大同小异，大体上认为分为接入层、中间层和应用层三层，不过对中间层的理解有些差异。
2. 接入层(ods)
业务数据一般是采用dataX或者sqoop等以固定频率同步到数仓中构建ODS层；
如果是日志数据则通过flume或者Kafka等同步到数仓中。
接入层一般不会对源数据做任何处理、清洗，便于之后回溯。
3. 明细层(dwd)
理论上明细层数据是对ods层数据进行清洗加工，提高ods层数据的可用性，对于dwd层数据是否同层引用的观点需要权衡：
- 一般情况下dwd层不建议同层引用，这样做可以减少明细层任务之间的依赖，减少节点深度。
- 但是在某些场景下，ods层到dwd层数据加工逻辑复杂，计算开销大，这时可以权衡考虑适当复用dwd表来构建新的dwd表。
4. 汇总层(dws)
这一层依赖我们的指标体系，将dwd层的数据按照各个维度进行聚合计算。
5. 数据集市层(dwm)
当我们有一些跨业务域的聚合统计需求时，放到这一层。
6. 应用层(app)
这一层主要针对汇总层，进行相关指标的组合，生成报表。
