ODS、DWD、DWS 是数据仓库最常见的三层，每一层都有明确的职责与数据形态，区别主要体现在“数据内容、加工深度、使用场景”三个维度：
表格
复制
| 层级 | 全称 | 数据内容 | 加工深度 | 典型使用场景 | 存储周期 |
|---|---|---|---|---|---|
| ODS | Operational Data Store | 各业务系统原样抽取的数据，几乎不做转换，保持“原貌” | 只做最简单的格式对齐、字段裁剪，不做业务逻辑清洗 | ①准实时查询 ②源系统故障时回溯 ③给DWD提供原始数据 | 几天~几周，按需滚动清理 |
| DWD | Data Warehouse Detail | 以业务过程为中心的“干净”明细数据，统一命名、统一码值、去重、去异常 | 完成数据清洗、规范化、关联维表，保留最细粒度 | ①复杂分析/挖掘 ②供DWS汇总 ③跨主题明细查询 | 几月~几年，长期保留 |
| DWS | Data Warehouse Summary | 面向分析主题的轻度汇总表（宽表），指标+维度预聚合 | 按时间、地域、客户等维度做GROUP BY、窗口函数、轻度汇总 | ①报表、Dashboard ②OLAP交互分析 ③数据服务接口 | 几月~几年，随业务需求调整 |
一句话记忆：
ODS 是“生数据”，DWD 是“洗干净的明细”，DWS 是“直接拿来出报表的汇总”。
三者流转关系：
业务系统 → ODS（原样落地） → DWD（清洗整合） → DWS（汇总宽表） → 报表/接口/数据产品
————————————————————————————————————
在数据仓库/数据中台体系里，除了 ODS、DWD、DWS 这三层“标配”，还经常会遇到以下“兄弟姐妹”概念，一起记会更完整：
DIM（Dimension）
统一、共享的维表层，存放所有缓慢变化维度（客户、商品、组织、渠道、时间等）。DWD、DWS 都通过维表做关联，保证口径一致。DWT（Data Warehouse Topic）
主题宽表层，也叫“中度汇总”或“宽表集市”。把多个业务过程的 DWD 明细按分析主题（用户、商品、订单）预关联、预聚合，形成“一行到底”的大宽表，供数据挖掘、机器学习、实时接口直接调用，介于 DWS 与 ADS 之间。ADS（Application Data Service / App）
应用服务层，面向具体场景的高度汇总/二次加工结果，如“昨日 GMV”“618 实时大屏指标”。通常存储在 OLAP、KV、MySQL、ClickHouse 等引擎里，直接对接报表、大屏、API。STG（Staging）
临时缓冲层，位于 ODS 之前，只做“原系统→数仓”的一次性落地，不对外开放，出错可快速重跑。部分企业把 STG 与 ODS 合并，也有单独拆分出来做“日增量拉链”。DWM（Data Warehouse Middle）
部分公司把“DWT + DWS”统称 DWM，表示“中间汇总层”，命名无统一标准，理解成“介于明细与高度汇总之间的任何中间表”即可。DM（Data Mart）
数据集市，面向特定业务部门（财务、供应链、人力）的“小仓库”，可由 DWS/ADS 再加工，也可独立建模。强调“部门私有”，而 DW 是企业级共享。TMP / MID / TEMP
临时层，存放中间结果、拉链临时表、调度过程表，生命周期短，通常设定 TTL 自动清理。缓慢变化维（SCD）
维表随时间变化但不想覆盖历史时的处理策略，分 SCD1（覆盖）、SCD2（新增行）、SCD3（新增列）等，是 DIM 层建模核心技能。事实表类型
事务事实表（最常用，一行一业务）
周期快照事实表（如账户日余额）
累积快照事实表（如订单从下单到签收全流程）
它们都属于 DWD 层。
维度建模 vs 范式建模
维度建模（星型/雪花）强调“易用、查询快”，多用于 DWD/DWS；范式建模（3NF）强调“一致性、更新快”，常用于 ODS/EDW。现代 Lambda/Kappa 架构里两种常混合使用。
把以上概念与 ODS→DWD→DWS 放在一起，就构成了企业级数据仓库/数据中台的“全家福”。
