數(shù)倉規(guī)范詳解文檔（2）

統(tǒng)一規(guī)范

• 采用蛇形命名法，即采用一個下劃線分隔詞根。
• 優(yōu)先使用詞根中已有關(guān)鍵字（數(shù)倉標(biāo)準(zhǔn)配置中的詞根管理），- - 定期 Review 新增命名的不合理性。
• 禁止采用非標(biāo)準(zhǔn)的縮寫。
• 命名一律采用小寫，只能以字母開頭。
• 命名不宜過長。專有規(guī)范
• 表
• 分層-分域-分詞根-分時間周期
• 正式表，所在層級名稱+數(shù)據(jù)域+表描述+時間周期或加載策略，如增量、快照、拉鏈/小時、日、周、月、季、年
• 中間表,對應(yīng)正式表+_mid+阿拉伯?dāng)?shù)字
• 臨時表，z+創(chuàng)建者姓名檢查+表名
• 視圖
• 參照表命名規(guī)范+_v
• 字段
• 優(yōu)先從詞根中取，多次出現(xiàn)的要增加到詞根庫
• 任務(wù)
• 與目標(biāo)表名相同
• 指標(biāo)
• 一個原子指標(biāo)＋多個修飾詞（可選）＋時間周期
• 原子指標(biāo)+時間周期（可選）
• 原子指標(biāo)
  業(yè)務(wù)修飾詞 + 詞根
• 衍生指標(biāo)
• 派生指標(biāo)

• 腳本是否有備注、復(fù)雜計算邏輯是否有注釋釋。
• 任務(wù)是否支持多次重跑而輸出不變，不能有 insert into 語句。
• 分區(qū)表是否使用分區(qū)鍵過濾并且有有效裁剪。
• 外連接的過逑條件是否使用正確，例如在左連接的 where 語句存在右表的過濾條件。
• 關(guān)聯(lián)小表，是否使用/*+ map join * /。
• 不允許引用別的計算任務(wù)臨時表。
• 原則上不允許存在一個任務(wù)更新多個目標(biāo)表。
• 是否存在笛卡爾積。
• 禁止在代碼里面使用 drop、create、rename 等 DDL 語句。
• 使用動態(tài)分區(qū)時，有沒有檢查分區(qū)鍵值為 NULL 的情況。
• 對于重要的任務(wù) DQC 質(zhì)量監(jiān)控規(guī)則是否配置，嚴(yán)禁裸奔。
• 代碼中有沒有進行適當(dāng)?shù)囊?guī)避數(shù)據(jù)傾斜語句。

• 指標(biāo)層級劃分方式
• 一級分類
• 二級分類
• 三級分類
• 一級分類
• 二級分類
• 按分析主題
• 按業(yè)務(wù)過程
• 指標(biāo)定義
• 原子指標(biāo)(某一業(yè)務(wù)事件行為下的度量，不可再拆分的指標(biāo)) 例如：訂單金額
• 衍生指標(biāo)（對原子指標(biāo)進行四則運算）
• 派生指標(biāo)（統(tǒng)計周期+統(tǒng)計粒度+業(yè)務(wù)限定+原子指標(biāo)）例如：最近一天+新創(chuàng)建的+訂單個數(shù)（阿里大數(shù)據(jù)之路對于派生指標(biāo)的定義：派生指標(biāo)=原子指標(biāo)+時間周期修飾詞+其它修飾詞。唯一歸屬于某一個原子指標(biāo)，繼承原子指標(biāo)的數(shù)據(jù)域）
• 唯一性
• 可擴展
• 易理解
• 所屬分類
• 指標(biāo)類別
• 名稱
• 描述
• 口徑/算法
• 計量單位
• 適用維度
• ...
• 內(nèi)容
• 原則
• 類別
• 說明：網(wǎng)上對于指標(biāo)分類說法不統(tǒng)一，大家知道咋回事兒就行了。搜了一下阿里的大數(shù)據(jù)之路，沒有衍生指標(biāo)的概念。說法一：衍生指標(biāo)=派生指標(biāo)。那么用我上邊派生指標(biāo)的定義即可。說法二：衍生指標(biāo)是對原子指標(biāo)進行四則運算得到的。那么衍生指標(biāo)就是原子指標(biāo)增加減少幾個修飾詞或者時間周期擴大縮小后得到的。所以感覺衍生指標(biāo)有點雞肋搞不好就變成原子/派生指標(biāo)了。
• 指標(biāo)管理流程
• 指標(biāo)新增申請
• 初審：明確指標(biāo)口徑，檢查指標(biāo)庫是否包含
• 二審：審核指標(biāo)定義需要的各項元素是否準(zhǔn)確完備
• 入指標(biāo)庫

這里，我把數(shù)倉規(guī)范，一共分為四大類：設(shè)計規(guī)范、流程規(guī)范、質(zhì)量管理規(guī)范、安全規(guī)范。

設(shè)計規(guī)范，又劃分為四部分：數(shù)據(jù)模型設(shè)計、命名規(guī)范、指標(biāo)體系設(shè)計、詞根庫。
流程規(guī)范，主要是從數(shù)倉管理的角度，對數(shù)倉場景下的各種流程進行約束。核心流程一共提煉出來五類：需求提交、模型設(shè)計、ETL開發(fā)、前端開發(fā)、上線流程。
質(zhì)量管控規(guī)范，之所以單獨列出來，是因為數(shù)據(jù)質(zhì)量，跟模型設(shè)計一樣，對數(shù)倉建設(shè)的成敗關(guān)系極大。試想下，一個數(shù)據(jù)質(zhì)量都無法保證的數(shù)據(jù)倉庫，有誰會用?  數(shù)據(jù)質(zhì)量規(guī)范，主要是從數(shù)據(jù)流動的角度分為三類：源端管控、數(shù)倉管理、應(yīng)用管控。
安全規(guī)范，隨著國家、社會、企業(yè)對數(shù)據(jù)的越來越重視，另一方面隨著互聯(lián)網(wǎng)的普及使得個人隱私變的越來越難以保證，數(shù)據(jù)泄露時有發(fā)生。數(shù)據(jù)安全對于數(shù)據(jù)倉庫的重要程度急速提升，所以安全規(guī)范被單列了出來。從大的層面上安全規(guī)范分為三類：網(wǎng)絡(luò)安全、賬號安全、數(shù)據(jù)安全。

橫向分層

• 說明
• 分層設(shè)計是數(shù)據(jù)架構(gòu)設(shè)計的產(chǎn)出之一，在模型設(shè)計環(huán)節(jié)做為強制規(guī)范遵守。
• 分層規(guī)范
• 應(yīng)用層，面向最終應(yīng)用。
• 主題域劃分，依據(jù)是最終應(yīng)用。生命周期也與應(yīng)用同步。
• 匯總數(shù)據(jù)層+主題寬表。
• 數(shù)據(jù)域劃分，依據(jù)參考下邊的縱向分域。
• 對數(shù)據(jù)源做清洗、轉(zhuǎn)換、補全、編碼轉(zhuǎn)換后加載到明細(xì)數(shù)據(jù)層。
• 數(shù)據(jù)域劃分，依據(jù)參考下邊的縱向分域。
• 貼源層，原始數(shù)據(jù)不做變化或者僅做最簡單的補全后存入。
• 數(shù)據(jù)域劃分，依據(jù)是數(shù)據(jù)源。
• ODS
• DWD
• DWS
• ADS
• 層次調(diào)用規(guī)范
• 禁止反向調(diào)用
• ODS 只能被 DWD 調(diào)用。
• DWD 可以被 DWS 和 ADS 調(diào)用。
• DWS 只能被 ADS 調(diào)用。
• 數(shù)據(jù)應(yīng)用可以調(diào)用 DWD、DWS、ADS，但建議優(yōu)先考慮使用匯總度高的數(shù)據(jù)。
• ODS->DWD->DWS>ADS
• ODS->DWD->ADS
  

縱向分域


• 定義
• 主題域通常是聯(lián)系較為緊密的數(shù)據(jù)主題的集合，方便尋找和使用數(shù)據(jù)。
• 基本原則
• 高內(nèi)聚、低耦合。
• 數(shù)量不能太多。建議不超過十個。
• 必須保持穩(wěn)定。既能涵蓋當(dāng) 前所有的業(yè)務(wù)需求，又能在新業(yè)務(wù)進入時無影響地被包含進已有的數(shù)據(jù)域中或擴展新的數(shù)據(jù)域。
• 需要結(jié)合團隊和業(yè)務(wù)的實際情況，比如業(yè)務(wù)是否穩(wěn)定、團隊成員建模水平等。
• 適度的抽象。太低不好適應(yīng)變化，太高不易于理解使用。
• 分類
• 面向分析場景，實現(xiàn)較難，對業(yè)務(wù)理解、抽象能力等要求高。
• 依據(jù)業(yè)務(wù)流程劃分，實現(xiàn)相對容易。
• 數(shù)據(jù)/業(yè)務(wù)主題域
• 分析主體域
• 劃分依據(jù)
• 按照業(yè)務(wù)或業(yè)務(wù)過程劃分：比如一個靠銷售廣告位置的門戶網(wǎng)站主題域可能會有廣告域，客戶域等，而廣告域可能就會有廣告的庫存，銷售分析、內(nèi)部投放分析等主題。
• 根據(jù)需求方劃分：比如需求方為財務(wù)部，就可以設(shè)定對應(yīng)的財務(wù)主題域，而財務(wù)主題域里面可能就會有員工工資分析，投資回報比分析等主題。
• 按照功能或應(yīng)用劃分：比如微信中的朋友圈數(shù)據(jù)域、群聊數(shù)據(jù)域等，而朋友圈數(shù)據(jù)域可能就會有用戶動態(tài)信息主題、廣告主題等。
• 按照部門劃分：比如可能會有運營域、技術(shù)域等，運營域中可能會有工資支出分析、活動宣傳效果分析等主題。基本原則
• 高內(nèi)聚和低耦合
• 核心模型與擴展模型分離
• 公共處理邏輯下沉及單一
• 成本與性能平衡
• 數(shù)據(jù)可回滾
• 一致性

命名清晰、可理解附加字段

• 維表：創(chuàng)建時間、更新時間
• 事實表：ETL 日期、更新時間

其它要求

• 表、字段的備注信息，必須言簡意賅，在描述清楚的前提下盡量簡潔。
• 字段類型的約束：比如字符串用 String，數(shù)值用 Int，年月日都用 String 比如 yyyyMMdd 等。

統(tǒng)一規(guī)范

• 采用蛇形命名法，即采用一個下劃線分隔詞根。
• 優(yōu)先使用詞根中已有關(guān)鍵字（數(shù)倉標(biāo)準(zhǔn)配置中的詞根管理），- - 定期 Review 新增命名的不合理性。
• 禁止采用非標(biāo)準(zhǔn)的縮寫。
• 命名一律采用小寫，只能以字母開頭。
• 命名不宜過長。專有規(guī)范
• 表
• 分層-分域-分詞根-分時間周期
• 正式表，所在層級名稱+數(shù)據(jù)域+表描述+時間周期或加載策略，如增量、快照、拉鏈/小時、日、周、月、季、年
• 中間表,對應(yīng)正式表+_mid+阿拉伯?dāng)?shù)字
• 臨時表，z+創(chuàng)建者姓名檢查+表名
• 視圖
• 參照表命名規(guī)范+_v
• 字段
• 優(yōu)先從詞根中取，多次出現(xiàn)的要增加到詞根庫
• 任務(wù)
• 與目標(biāo)表名相同
• 指標(biāo)
• 一個原子指標(biāo)＋多個修飾詞（可選）＋時間周期
• 原子指標(biāo)+時間周期（可選）
• 原子指標(biāo)
業(yè)務(wù)修飾詞 + 詞根
• 衍生指標(biāo)
• 派生指標(biāo)

• 腳本是否有備注、復(fù)雜計算邏輯是否有注釋釋。
• 任務(wù)是否支持多次重跑而輸出不變，不能有 insert into 語句。
• 分區(qū)表是否使用分區(qū)鍵過濾并且有有效裁剪。
• 外連接的過逑條件是否使用正確，例如在左連接的 where 語句存在右表的過濾條件。
• 關(guān)聯(lián)小表，是否使用/*+ map join * /。
• 不允許引用別的計算任務(wù)臨時表。
• 原則上不允許存在一個任務(wù)更新多個目標(biāo)表。
• 是否存在笛卡爾積。
• 禁止在代碼里面使用 drop、create、rename 等 DDL 語句。
• 使用動態(tài)分區(qū)時，有沒有檢查分區(qū)鍵值為 NULL 的情況。
• 對于重要的任務(wù) DQC 質(zhì)量監(jiān)控規(guī)則是否配置，嚴(yán)禁裸奔。
• 代碼中有沒有進行適當(dāng)?shù)囊?guī)避數(shù)據(jù)傾斜語句。

• 指標(biāo)層級劃分方式
• 一級分類
• 二級分類
• 三級分類
• 一級分類
• 二級分類
• 按分析主題
• 按業(yè)務(wù)過程
• 指標(biāo)定義
• 原子指標(biāo)(某一業(yè)務(wù)事件行為下的度量，不可再拆分的指標(biāo)) 例如：訂單金額
• 衍生指標(biāo)（對原子指標(biāo)進行四則運算）
• 派生指標(biāo)（統(tǒng)計周期+統(tǒng)計粒度+業(yè)務(wù)限定+原子指標(biāo)）例如：最近一天+新創(chuàng)建的+訂單個數(shù)（阿里大數(shù)據(jù)之路對于派生指標(biāo)的定義：派生指標(biāo)=原子指標(biāo)+時間周期修飾詞+其它修飾詞。唯一歸屬于某一個原子指標(biāo)，繼承原子指標(biāo)的數(shù)據(jù)域）
• 唯一性
• 可擴展
• 易理解
• 所屬分類
• 指標(biāo)類別
• 名稱
• 描述
• 口徑/算法
• 計量單位
• 適用維度
• ...
• 內(nèi)容
• 原則
• 類別
• 說明：網(wǎng)上對于指標(biāo)分類說法不統(tǒng)一，大家知道咋回事兒就行了。搜了一下阿里的大數(shù)據(jù)之路，沒有衍生指標(biāo)的概念。說法一：衍生指標(biāo)=派生指標(biāo)。那么用我上邊派生指標(biāo)的定義即可。說法二：衍生指標(biāo)是對原子指標(biāo)進行四則運算得到的。那么衍生指標(biāo)就是原子指標(biāo)增加減少幾個修飾詞或者時間周期擴大縮小后得到的。所以感覺衍生指標(biāo)有點雞肋搞不好就變成原子/派生指標(biāo)了。
• 指標(biāo)管理流程
• 指標(biāo)新增申請
• 初審：明確指標(biāo)口徑，檢查指標(biāo)庫是否包含
• 二審：審核指標(biāo)定義需要的各項元素是否準(zhǔn)確完備
• 入指標(biāo)庫

• 定義
• 把可能會多次用到的短語，集中命名，保證全局范圍內(nèi)的命名含義一致性。
• 內(nèi)容
• 所屬分類
• 名稱
• 英文簡稱
• 數(shù)據(jù)類型
• 備注
• 分類
• 普通詞根：描述事物的最小單元體，如：交易-trade。
• 專有詞根：具備約定成俗或行業(yè)專屬的描述體，如：美元-USD。
• 公共字段

流程規(guī)范

• 公共字段=詞根組合+其它關(guān)鍵詞。

• 公共字段放入詞根庫不太嚴(yán)謹(jǐn)，但字段命名時候可以直接取用，降低了命名不一致的風(fēng)險，所以工具化不太完善的公司推薦這樣使用。

• 提出需求
• 需求提出人：以文檔的形式提出需求（寫清楚需求內(nèi)容、交付物、期望交付日期），發(fā)給數(shù)倉 Leader。
• 溝通需求
• 數(shù)倉 Leader 將需求分配給相關(guān)人承接，同時協(xié)商好實際交付日期。
• 如果需求提出人的交付日期與數(shù)倉 Leader 的交付日期不一致，雙方需要進一步協(xié)商一致。
• 開發(fā)交付
• 需求承接人，需按照協(xié)商一致的交付日期，按期交付。

• 數(shù)據(jù)調(diào)研、業(yè)務(wù)調(diào)研、需求調(diào)研
• 數(shù)據(jù)建模
• 確定業(yè)務(wù)過程->聲明粒度->確定維度->確定事實
• 業(yè)務(wù)建模->邏輯建模->物理建模
• 構(gòu)建總線矩陣
• 構(gòu)建指標(biāo)體系
• 根據(jù)已有的分層分域，分治、各個擊破。
• 總體思路
• 多種方式結(jié)合使用
• 評審
• 除了模型設(shè)計，還需要拉上必要的開發(fā)、業(yè)務(wù)、分析師、產(chǎn)品經(jīng)理、數(shù)倉運維等。
• 上線、迭代、完善

• 需求理解
• 數(shù)據(jù)探查
• 程序開發(fā)
• 流程依賴
• 配置調(diào)度

• 接口規(guī)范
• 代碼部署規(guī)范

• 申請
• 上線時間
• 上線功能范圍
• 對其它模塊、上下游依賴的影響
• 上線支持團隊清單
• 上線詳細(xì)操作步驟
• 測試報告
• 回滾方案
• 評審
• 代碼 Review
• 上下游影響分析
• 上線

質(zhì)量管控規(guī)范

• 上線支持團隊就緒
• 嚴(yán)格按照上線操作步驟執(zhí)行
• 失敗回滾

• 源端變動，必須提前通知數(shù)倉側(cè)。
• 有條件的話，使用工具監(jiān)控源端重點內(nèi)容的變動。

• 對已有規(guī)范沒有貫徹的給予警告、處罰：建模規(guī)范、開發(fā)規(guī)范、上線規(guī)范
• 使用工具加強數(shù)據(jù)質(zhì)量監(jiān)控，發(fā)現(xiàn)問題及時通知、告警。建立數(shù)據(jù)質(zhì)量解決機制，責(zé)任到人。
• 定期復(fù)盤
• 重要常見問題入告警規(guī)則
• 源端數(shù)據(jù)質(zhì)量問題，協(xié)調(diào)源端解決
• 存儲模型、ETL開發(fā)、上線流程等引起的問題，需要制定合適的解決方案

• 統(tǒng)一指標(biāo)定義
• 統(tǒng)一指標(biāo)口徑
• 統(tǒng)一外部數(shù)據(jù)輸出歸口

• 內(nèi)外網(wǎng)隔離，外網(wǎng)環(huán)境訪問內(nèi)網(wǎng)需要登錄 VPN；

• 核心數(shù)據(jù)存儲、功能模塊，只開放給特定的少部分人。

• 每個人分配獨立的賬號，賦予合理的權(quán)限，禁止相互借用。

• 數(shù)據(jù)庫、大數(shù)據(jù)組件開通多個角色賬號。比如只讀、部分表讀寫、管理員等。當(dāng)然還可以按實際需求細(xì)分。Hive、ODPS 的話也是可以實現(xiàn)單人單號的。

• 服務(wù)器登錄。也是單人單號

• 公司內(nèi)部應(yīng)用賬號。單人單號。

• 至少做到表級別的權(quán)限控制，實在不行就分庫。

• ODS 層不對外開放，只對 ODS-DWD 層相關(guān)部分開發(fā)人員可見。

• 特別敏感數(shù)據(jù)，如用戶年齡、號碼、身份證好、地址等，應(yīng)該放到專門的數(shù)據(jù)庫里，數(shù)倉主庫只存放用戶 ID 和其它必須字段。例如年齡應(yīng)該脫敏成年齡區(qū)間或開發(fā)特定的 UDF 轉(zhuǎn)化函數(shù)。

  
  

我們分別從設(shè)計規(guī)范、流程規(guī)范、質(zhì)量管控、數(shù)據(jù)安全四個方面，詳細(xì)闡述了數(shù)倉規(guī)范。應(yīng)該已經(jīng)涵蓋了數(shù)倉規(guī)范的方方面面。