第2章：离线数仓分层架构设计
章节目标 掌握数仓分层设计的核心逻辑、面试回答框架及不同公司的考察侧重，能够清晰阐述从业务需求到分层映射的推导过程。
分层设计核心逻辑
| 分层 | 定位 | 核心职责 | 关键指标 |
|---|---|---|---|
| ODS | 原始数据缓冲区 | 全量拉取、增量合并、格式统一 | 数据延迟 ≤ T+0.5h |
| DWD | 明细清洗层 | 去重、异常过滤、维度退化、标准化 | 脏数据率 < 0.1% |
| DWS | 轻度汇总层 | 公共维度聚合、宽表预计算 | 查询响应 < 3s |
| ADS | 应用指标层 | 业务定制大宽表、报表 | 灵活增量刷新 |
面试加分点 追问“ODS是否允许数据丢失？”——答：不允许，ODS需支持历史全量回溯，必须保证幂等性和可重跑。
高频面试问答卡片
问题1：为什么数仓要分层？讲讲你的分层原则。
面试官考察点：基础方法论、是否具备抽象复用意识、能否跳出“就分层谈分层”
回答框架：业务驱动→三个价值（复用/解耦/可回溯）→列举典型分层
简短示例回答：“分层核心解决三个问题：数据链路可复用、ETL逻辑解耦、异常可局部回溯。我通常按ODS统一源格式、DWD做标准化明细、DWS做业务主题汇总、ADS适配前端。比如直播间GMV，在DWS预聚合主播级日累计，ADS再计算实时占比，避免重复扫描。”
（约90字）
可能追问：如果你的ODS层出现数据丢失，怎么保证DWD不丢数？
避坑提醒：不要只罗列分层名称，要说明每层“解决了什么业务痛点”。
问题2：ODS层设计有哪些关键点？如果遇到全表扫描性能瓶颈你怎么优化？
面试官考察点：对原始数据接入的细节把控、增量与全量策略、分区设计
回答框架：数据源接入方式→分区策略→压缩格式→数据质量校验
简短示例回答：“ODS关键点：1. 按天分区+业务主键，保证可重跑；2. 使用Snappy压缩，只保留原始字段；3. 增量合并用Merge on Read，避免重写全表；4. 接入校验必须做：源数据行数核对、主键唯一性、时间戳连续性。”
（约85字）
可能追问：ODS层可以用Kafka代替吗？你怎么设计实时+离线双链路？
避坑提醒：避免回答“ODS就是简单的原样拷贝”，要体现“结构化存储+可回溯”的设计思想。
问题3：怎么判断一张表应该放在DWD层还是DWS层？
面试官考察点：对明细与汇总的理解、业务抽象能力、分区粒度意识
回答框架：查询模式分析→复用频率判断→粒度一致性→分层隔离原则
简短示例回答：“如果下游多个任务需要同一粒度明细（如用户点击流），放DWD；如果所有下游只需按天聚合（如日活、时长），直接进DWS。核心判断：同一份数据是否被重复做相同的聚合”。
（约75字）
可能追问：如果某个业务既需要明细又需要汇总，你怎么设计？
避坑提醒：不要回答“根据数据量大小决定”，要聚焦“复用度”和“查询模式”。
公司侧重点速查
| 公司类型 | 分层设计侧重点 | 典型追问方向 |
|---|---|---|
| 大厂（阿里、字节） | 强调ODS稳定性 & DWS公共层复用 | ODS数据回溯方案、DWS字段冗余策略 |
| 中型互联网（B站、小红书） | 分层与业务快速迭代的平衡 | 如何应对需求变化导致分层调整 |
| 传统企业（银行、制造业） | 数据质量 & 合规溯源 | ODS审计字段设计、DWD数据血缘 |
可迁移回答话术 “对于数据分层，我始终遵循‘从业务查询模式反推存储粒度’的方法：先调研Top10高频查询需要哪些维度、什么粒度的数据，然后映射到对应分层，避免过度层叠导致ETL链路过长。”