一、ODS层

1、保持数据原貌，不做任何修改

2、数据压缩：LZO压缩，减少磁盘空间

3、创建的是分区表：可以防止后续的全表扫描

包括

用户行为：string line dt

　　　　 ods_start；

ods_event（商品列表、商品详情、点击

点赞、评论、收藏

　　　　　　　　 ……　　　）

业务数据：8张表（用户、支付、订单表、订单详情、商品表、商品一二三级分类……）

二、DWD层

1、ETL对数据的核心字段进行清洗【去重、去空】

2、ETL工具是什么

hive的hql

spark 的spark SQL

Python

kettle（数据清洗框架）

3、清洗掉多少算正常？

万分之一

4、维度退化

商品表、三级分类、二级分类、一级分类 ==》商品表

数仓建模思想：“维度建模”-星型模型、雪花模型、星座模型，尽量选择星型模型

目的：减少重复的join操作

新版数仓：省份+地区，退化到省份表

5、脱敏：

对身份证号、手机号、个人信息脱敏，如159****1165

ods层可以有不脱敏的数据，但这样的表有权限

6、压缩，优势：减少磁盘空间

7、列式存储，parquet：提高查询效率

8、分区表：

用户行为数据

　　ods_start：get_json_object()函数

　　ods_event：使用自定义UDF、自定义UDTF，以及额外的get_json_object()进行后续解析

业务数据

　　用户、支付、订单表、订单详情、商品表

三、DWS层

1、表的组成

用户行为宽表（用户id）、商品宽表、设备行为宽表（非登录用户的指标）

2、哪张宽表最宽

用户行为宽表

3、有多少个字段

60-100个

4、哪60个字段/哪100个字段

说30个以上即可

如用户行为：今天登录的次数、点赞的次数、评论次数、收藏次数、取消点赞次数、加入购物车次数、下单次数、取消下单次数、删除购物车次数、取消收藏次数、追加评论次数、支付次数、支付金额、下单金额、取消订单的商品数/金额、发货次数、退款次数、退款金额

5、流转G复活相关指标

流转

日活：100w

月活：大约是日活的2-3倍，300e

总注册的用户是多少：1000w-3000w之间，

GMV（公司机密）

日GMV：100w日活，10w人下单，一单50-100，10w订单大约是500w-1000w的流水

利润在10%-20%，利润大约在100w-200w之间【进货成本】

人员成本：程序员，1000

复购率：某日常用品复购（手纸、面膜、牙膏）10-20%

手表、显示器、电脑1%-2%

转化率：商品详情 ==》加购物车 ==》下单 ==》支付

　　　　　　 5%-10%　　　　60-70% 90%-95%

留存率：1/2/3、周留存、月留存、

搞活动 10-20%

四、ADS层：分析指标

生产环境下大概在100-200个指标，说30个以上

日活、新增、留存、转化率、丢失、回流、连续三周活跃、七天内连续三天的活跃登录、GMV、复购率、复购率排行

要求可以现场手写指标【第六章】

巴特西

【大数据面试】【数仓项目】分层：ODS层、DWD层、DWS层、ADS层构成、操作