第3章 离线数仓分层架构与模型设计
章节导入 · 离线数仓分层是数仓产品经理面试的必考基石。面试官通过分层设计、事实表建模、维度策略三道题，快速判断你对数据流转全链路的掌控力。本章拆解3个高频考题，输出可直接套用的回答框架。
分层架构核心对照表
| 分层 | 核心职责 | 数据粒度 | 存储策略 | 典型表类型 |
|---|---|---|---|---|
| ODS | 源数据接入与存储 | 原始粒度 | 增量 / 全量 | 流水表、日志表 |
| DWD | 清洗去重 & 标准化 | 明细粒度 | 增量 | 事实表、维度表 |
| DWS | 主题轻度汇总 | 汇总粒度 | 分区 | 宽表、汇总事实表 |
| ADS | 业务指标 & 报表 | 高度汇总 | 按需 | 指标表、多维分析表 |
面试加分点 · 回答分层时主动提及“元数据管理”和“数据血缘”，展现你对数据治理的理解。面试官看重的不只是分层名称，更是“为什么这样分”的决策逻辑。
🎯 请介绍离线数仓的常见分层架构及每层主要职责
考察点：
- 是否理解数据从源到应用的全链路流转
- 分层设计的核心目的（解耦、复用、可追溯）
- 能否清晰界定每层边界，避免职责混淆
回答框架： 总分总结构 → ① 先讲分层目的（解耦、复用、可追溯）→ ② 逐层说明ODS/DWD/DWS/ADS核心职责 → ③ 总结数据流转方向及分层收益。
示例回答： 离线数仓通常分ODS、DWD、DWS、ADS四层。ODS接入源系统原始数据，保持历史轨迹；DWD进行清洗去重与标准化，形成一致明细；DWS按主题轻度汇总，提升查询性能；ADS面向业务产出指标与报表。分层实现责任清晰、数据可追溯、计算复用性强。
可能追问： “如何确定一张表应该放在哪一层？” “如果出现跨层引用怎么处理？”
避坑提醒： 不要把ODS和DWD的职责混为一谈——ODS只做接入，不做清洗；DWD才做标准化。混淆二者会让面试官觉得你缺乏分层粒度意识。
🎯 如何设计一张交易事实表？需要考虑哪些维度？
考察点：
- 维度建模方法论（星型/雪花型）的实战运用
- 能否准确识别业务过程、粒度、维度与度量
- 事实表设计原则（单业务过程、可加性度量）
回答框架： 明确业务过程 → 确定粒度 → 选择维度 → 定义度量 → 补充退化维度与事实一致性。
示例回答： 设计交易事实表先确定业务过程为“订单支付”，粒度为“子订单”。维度包括时间、用户、商品、店铺、促销五个维度，度量包括支付金额和支付数量。遵循“一张事实表只关注一个业务过程”的原则，避免粒度混用，确保数据一致性。
可能追问： “事实表有哪些类型？如何选择？” “如何处理多业务过程关联？”
避坑提醒： 不要在一个事实表中放入多个业务过程（如同时放支付和退款），否则会导致粒度混乱。业务过程不同，事实表应分开设计。