第4章 数据仓库分层架构：ODS、DWD、DWS、ADS

面试问题：请介绍一下数据仓库的分层架构及各层的作用。

面试官考察点：

• 是否具备全局架构视角，能否清晰描述四层职责
• 各层之间的数据流转关系是否讲得清楚
• 是否理解分层背后的设计思想而非死记硬背

回答框架： 总述分层思想 → 按 ODS → DWD → DWS → ADS 逐层说明（职责 + 粒度 + 典型操作）→ 总结分层价值

示例回答： 数据仓库通常分为四层。ODS 层暂存源系统原始数据，保持历史记录；DWD 层完成清洗去重和维度退化，形成标准明细事实；DWS 层按业务主题轻度汇总，构建宽表；ADS 层面向应用输出指标，支撑报表与大屏。分层实现了数据与业务解耦，提升复用性和可追溯性。

可能追问： 如何确定一个表应该放在哪一层？DWD 和 DWS 的边界如何划分？

避坑提醒： 不要只背定义，要结合具体例子说明每层的数据粒度变化。例如“订单表在 ODS 是原始记录，在 DWD 完成去重，在 DWS 按天汇总，在 ADS 输出 GMV”。

面试问题：数据仓库分层的基本原则是什么？为什么要分层？

面试官考察点：

• 是否理解分层设计的内在逻辑，能否讲出原则背后的原因
• 是否了解分层带来的实际业务收益
• 是否有过跨层引用等反例的治理经验

回答框架： 先说明分层目的 → 列出 3 条核心原则（每条一句话解释）→ 给出分层收益 → 可补充反面案例说明不遵循原则的后果

示例回答： 分层原则包括三条：高内聚低耦合，各层职责单一互不依赖；清晰数据流向，禁止跨层引用避免血缘混乱；一致性维度，确保指标口径统一。分层带来三大收益：数据血缘可追溯、开发与业务解耦、公共层复用减少重复建设。我们曾因跨层引用导致数据不一致，重构后才彻底解决。

可能追问： 你们遇到过跨层引用吗？如何治理的？一致性维度在项目中如何保证？

避坑提醒： 不要只背理论，要结合项目说明你如何落地这些原则。例如“在 DWS 层我们通过总线矩阵保证维度一致性，每个主题域公用一套维度表”。

面试问题：ODS 层和 DWD 层有什么区别？如何设计 ODS 层？

面试官考察点：

• 是否清晰区分“原样接入”和“清洗标准化”的边界
• ODS 层设计是否考虑过实际场景（保留策略、结构变更）
• 是否理解 ODS 作为数据溯源基座的价值

回答框架： 先说职责区别（粒度、操作、目的三个维度对比）→ 再讲 ODS 设计三个要点（接入策略、拉链设计、监控）→ 可补充 DWD 的典型处理流程

示例回答： ODS 层保持源数据原貌，不改变结构与粒度，只做增量或全量接入；DWD 层完成清洗去重、维度退化、标准化。ODS 设计需关注三点：接入策略选择（增量/全量/拉链），历史数据保留周期，以及数据质量监控。通常 ODS 与源系统保持 1:1 表映射，作为数据溯源的基础。

可能追问： ODS 层数据保留多久？源系统表结构变更时 ODS 如何处理？

避坑提醒： 不要把 ODS 层设计得过于复杂。ODS 的核心是“原样接入”，不要在 ODS 层做业务清洗，那是 DWD 的职责。