智能云大数据中心建设-中科汇成科技有限公司

大数据中心建设——公共维度模型层（CDM）

存放明细事实数据、维表数据及公共指标汇总数据，其中明细事实数据、维表数据一般根据ODS层数据加工生成；公共指标汇总数据一般根据维表数据和明细事实数据加工生成。

CDM层又细分为DWD层和DWS层，分别是明细数据层和汇总数据层，采用维度模型方法作为理论基础，更多地采用一些维度退化手法，将维度退化至事实表中，智能云大数据中心建设，减少事实表和维表的关联，提高明细数据表的易用性；同时在汇总数据层，加强指标的维度退化，智能云大数据中心建设费用，采取更多的宽表化手段构建公共指标数据层，提升公共指标的复用性，减少重复加工。其主要功能如下。

组合相关和相似数据：采用明细宽表，复用关联计算，减少数据扫描。

公共指标统一加工：基于OneData体系构建命名规范、口径一致和算法统一的统计指标，为上层数据产品、应用和服务提供公共指标；建立逻辑汇总宽表。

建立一致性维度：建立一致的数据分析维表，降低数据计算口径、算法不统一的风险。

大数据中心建设的功能特性

数据质量管理

1. 质量规则零代码可配置，智能云大数据中心建设费用，包括仅一性、准确性、一致性、规范性等规则

2. 事前校验、事后评估方式发现及监控数据质量，并进行低分预警

1.19+数据加工算法组件；20+计算函数开箱即用，智能云大数据中心建设费用，无须代码开发

2.拖拽式操作实现跨库的、大数据的融合加工

1. 质量规则零代码可配置，包括仅一性、准确性、一致性、规范性等规则

2. 事前校验、事后评估方式发现及监控数据质量，并进行低分预警

大数据中心建设的基本原则

高内聚和低耦合——一个逻辑或者物理模型由哪些记录和字段组成，应该遵循基本的软件设计方法的高内聚和低耦合原则。主要从数据业务特性和访问特性两个角度来考虑：将业务相近或者相关、粒度相同的数据设计为一个逻辑或者物理模型；将高概率同时访问的数据放一起，将低概率同时访问的数据分开存储。

命名清晰、可理解——表命名需清晰、一致，表名需易于消费者理解和使用。