数据仓库命名规范

小Tomkk2025-08-10 20:04

1. 概述

数据模型是数据管理的分析工具和交流的有力手段；同时，还能够很好地保证数据的一致性，是实现商务智能（Business Intelligence）的重要基础。因此建立、管理一个企业级的数据模型，应该遵循标准的命名和设计规范。

文章目录

    • [1. 概述](#1. 概述)
    • [2. 数据仓库命名规范](#2. 数据仓库命名规范)
      • [2.1. 命名规范](#2.1. 命名规范)
        • [2.1.1. 表属性规范](#2.1.1. 表属性规范)
          • [2.1.1.1. 表名](#2.1.1.1. 表名)
          • [2.1.1.2. DW事实表表名](#2.1.1.2. DW事实表表名)
          • [2.1.1.3. APP应用层表名](#2.1.1.3. APP应用层表名)
          • [2.1.1.4. DW/DM维度表表名](#2.1.1.4. DW/DM维度表表名)
          • [2.1.1.5. 元数据表名](#2.1.1.5. 元数据表名)
        • [2.1.2. 索引](#2.1.2. 索引)
          • [2.1.2.1. 普通索引](#2.1.2.1. 普通索引)
          • [2.1.2.2. 主键索引](#2.1.2.2. 主键索引)
          • [2.1.2.3. 唯一索引](#2.1.2.3. 唯一索引)
          • [2.1.2.4. 外键索引](#2.1.2.4. 外键索引)
          • [2.1.2.5. 函数索引](#2.1.2.5. 函数索引)
          • [2.1.2.6. 簇索引](#2.1.2.6. 簇索引)
        • [2.1.3. 视图](#2.1.3. 视图)
        • [2.1.4. 物化视图](#2.1.4. 物化视图)
        • [2.1.5. 存储过程](#2.1.5. 存储过程)
        • [2.1.6. 触发器](#2.1.6. 触发器)
        • [2.1.7. 函数](#2.1.7. 函数)
        • [2.1.8. 数据包](#2.1.8. 数据包)
        • [2.1.9. 序列](#2.1.9. 序列)
        • [2.1.10. 普通变量](#2.1.10. 普通变量)
        • [2.1.11. 游标变量](#2.1.11. 游标变量)
        • [2.1.12. 记录型变量](#2.1.12. 记录型变量)
        • [2.1.13. 表类型变量](#2.1.13. 表类型变量)
        • [2.1.14. 数据库链接](#2.1.14. 数据库链接)
      • [2.2. 命名](#2.2. 命名)
        • [2.2.1. 语言](#2.2.1. 语言)
        • [2.2.2. 大小写](#2.2.2. 大小写)
        • [2.2.3. 单词分隔](#2.2.3. 单词分隔)
        • [2.2.4. 保留字](#2.2.4. 保留字)
        • [2.2.5. 命名长度](#2.2.5. 命名长度)
        • [2.2.6. 字段名称](#2.2.6. 字段名称)
        • [2.2.7 命名风格比较](#2.2.7 命名风格比较)
      • [2.3. 数据类型](#2.3. 数据类型)
        • [2.3.1. 字符型](#2.3.1. 字符型)
        • [2.3.2. 数字型](#2.3.2. 数字型)
        • [2.3.3. 日期和时间](#2.3.3. 日期和时间)
        • [2.3.4. 大字段](#2.3.4. 大字段)
        • [2.3.5. 唯一键](#2.3.5. 唯一键)
    • [3. 数仓表命名的分层与后缀规则](#3. 数仓表命名的分层与后缀规则)

2. 数据仓库命名规范

2.1. 命名规范

2.1.1. 表属性规范
2.1.1.1. 表名
  • ODS层表名
    前缀为ODS_应用系统名（缩写）_数据表名。数据表名称必须以有特征含义的单词或缩写组成，中间可以用"_"分割，例如：ODS_FUN_CUSTOMERINFO。表名称不能用双引号包含，表名长度不超过30个字符。如果ODS设计采用贴源设计，数据表名应与源系统一致。
    系统和应用名规则：
    • 核心 COR
    • 对公信贷 CLN
    • 个贷 PLN
    • 基金 FUN
    • 票据 TIC
    • 理财 FIN
    • 报表 RPT
    • ......
2.1.1.2. DW事实表表名
  • 前缀为DW_主题名（缩写）_功能描述。数据表名称必须以有特征含义的单词或缩写组成，中间可以用"_"分割，例如：DW_ORD_DETAIL。表名称不能用双引号包含，表名长度不超过30个字符。
    主题名规则：
    • 订单 ORD
    • 营销活动 MKC
    • 贷款 LN
    • 网银 NET
    • 客户 CUS
    • ......
      数据表名规则：
    • 基础表 _BA
    • 日汇总表 _D
    • 月汇总表 _M
    • 历史累计 _H
    • 全量加载 _A
    • 增量加载 _I
2.1.1.3. APP应用层表名
  • 前缀为APP_主题名（缩写）_功能描述。数据表名称必须以有特征含义的单词或缩写组成，中间可以用"_"分割，例如：APP_RPT_DEALER_GOODS。表名称不能用双引号包含，表名长度不超过30个字符。
    参考DW层表名称规范。
2.1.1.4. DW/DM维度表表名
  • 前缀为D_。数据表名称必须以有特征含义的单词或缩写组成，中间可以用"_"分割，例如：D_ACCOUNT、D_PUB_DATE。表名称不能用双引号包含，表名长度不超过30个字符。
    数据表名规则：
    • 日期维度 D_PUB_DATE
    • 城市 D_CITY
2.1.1.5. 元数据表名
  • 前缀为M_应用名（缩写）_功能描述。数据表名称必须以有特征含义的单词或缩写组成，中间可以用"_"分割，例如：M_ETL_TASK。表名称不能用双引号包含，表名长度不超过30个字符。
    应用名规则：
    • ETL ETL
    • 报表 RPT
    • OLAP分析 OLP
    • 源系统 SRC
    • 数据库 DB
    • 软硬件 SHW
    • ......
2.1.2. 索引
2.1.2.1. 普通索引
  • 前缀为IDX_。索引名称应是前缀+表名+构成的字段名。如果复合索引的构成字段较多，则只包含第一个字段，并添加序号。表名可以去掉前缀。
2.1.2.2. 主键索引
  • 前缀为IDX_PK_。索引名称应是前缀+表名+构成的主键字段名，在创建表时用using index指定主键索引属性。
2.1.2.3. 唯一索引
  • 前缀为IDX_UK_。索引名称应是前缀+表名+构成的字段名。
2.1.2.4. 外键索引
  • 前缀为IDX_FK_。索引名称应是前缀+表名+构成的外键字段名。
2.1.2.5. 函数索引
  • 前缀为IDX_func_。索引名称应是前缀+表名+构成的特征表达字符。
2.1.2.6. 簇索引
  • 前缀为IDX_clu_。索引名称应是前缀+表名+构成的簇字段。
2.1.3. 视图
  • 前缀为V_。按业务操作命名视图。
2.1.4. 物化视图
  • 前缀为MV_。按业务操作命名实体化视图。
2.1.5. 存储过程
  • 前缀为SP_。按业务操作命名存储过程。
2.1.6. 触发器
  • 前缀为Trig_。触发器名应是前缀+表名+触发器名。
2.1.7. 函数
  • 前缀为Func_。按业务操作命名函数。
2.1.8. 数据包
  • 前缀为Pkg_。按业务操作集合命名数据包。
2.1.9. 序列
  • 前缀为Seq_。按业务属性命名。
2.1.10. 普通变量
  • 前缀为Var_。存放字符、数字、日期型变量。
2.1.11. 游标变量
  • 前缀为Cur_。存放游标记录集。
2.1.12. 记录型变量
  • 前缀为Rec_。存放记录型数据。
2.1.13. 表类型变量
  • 前缀为Tab_。存放表类型数据。
2.1.14. 数据库链接
  • 前缀为dbl_。表示分布式数据库外部链接关系。

2.2. 命名

2.2.1. 语言

命名应该使用英文单词，避免使用拼音，特别不应该使用拼音简写。命名不允许使用中文或者特殊字符。

2.2.2. 大小写

名称一律小写，以方便不同数据库移植，以及避免程序调用问题。

2.2.3. 单词分隔

命名的各单词之间可以使用下划线进行分隔。

2.2.4. 保留字

命名不允许使用SQL保留字。

2.2.5. 命名长度

表名、字段名、视图名长度应限制在20个字符内(含前缀)。

2.2.6. 字段名称

同一个字段名在一个数据库中只能代表一个意思。不同的表用于相同内容的字段应该采用同样的名称，字段类型定义。

2.2.7 命名风格比较

在数据库及相关系统开发中，常见的命名风格主要有以下三种：

命名风格 格式示例 特点 适用场景 优缺点
蛇形命名法（snake_case） customer_info, order_detail 全小写单词，中间用下划线分隔 数据库表名、字段名、文件名 优点 ：可读性强、与SQL关键字区分度高、跨语言兼容好；缺点：名称稍长
驼峰命名法（camelCase / PascalCase） 小驼峰：customerInfo；大驼峰：CustomerInfo 单词间不加分隔符，每个单词首字母大写（小驼峰首个单词小写） 程序变量名、函数名、类名 优点 ：简洁；缺点：在SQL中可读性差，对大小写敏感的系统易出错
匈牙利命名法（HungarianNotation） strCustomerName，iOrderCount 前缀表示数据类型或用途（str=字符串，i=整数） 早期Windows编程、部分嵌入式开发 优点 ：类型信息直观；缺点：冗余、与现代IDE类型推断重复，不适合现代数据库命名
建议
  • 数据库表名与字段名 ：推荐使用蛇形命名法（snake_case），全小写+下划线分隔，保证跨平台可移植性与可读性。
  • 程序代码（如存储过程、函数）：可根据语言习惯选择驼峰命名法，但仍建议与数据库命名保持一定一致性。
  • 匈牙利命名法：不建议用于现代数据库对象命名，可在少数特殊嵌入式场景保留。

示例：

  • 表名（snake_case）：dw_order_detail
  • 字段名（snake_case）：customer_id、order_date
  • 存储过程（PascalCase）：SP_UpdateCustomerInfo

2.3. 数据类型

2.3.1. 字符型

固定长度的字串类型采用char，长度不固定的字串类型采用varchar。避免在长度不固定的情况下采用char类型。

2.3.2. 数字型

数字型字段尽量采用number类型，要注意精度。

2.3.3. 日期和时间
  • 系统时间：由数据库产生的系统时间首选数据库的日期型，如DATE类型。
  • 外部时间：由数据导入或外部应用程序产生的日期时间类型采用varchar类型，数据格式采用：YYYYMMDDHH24MISS。
2.3.4. 大字段

如无特别需要，避免使用大字段（blob，clob，long，text，image等）。

2.3.5. 唯一键

对于数字型唯一键值，尽可能用自增产生。

3. 数仓表命名的分层与后缀规则

为了方便在日常开发与运维中快速识别表的用途、刷新频率、加载方式，可以在表名中通过前缀、主题缩写、功能后缀等方式进行标签化命名。

3.1常见规则

类型 前缀 示例 含义
ODS（贴源层） ods_ ods_fun_customerinfo 源系统原始数据，贴近源结构
DW/DM事实表 dw_ / dm_ dw_ord_detail 存放业务事件明细，如订单、交易等
维度表 d_ d_customer, d_pub_date 存放业务维度信息（客户、日期等）
APP应用层表 app_ app_rpt_dealer_goods 面向业务应用或报表的结果集
全量表 后缀 _a dw_ord_detail_a 每次全量加载，覆盖写入
全删全导表 后缀 _fa / _full dw_ord_detail_fa 加载前全量删除再写入（truncate+load）
日增量表 后缀 _d / _i dw_ord_detail_d 按天增量加载，数据粒度为日
月增量表 后缀 _m dw_ord_detail_m 按月增量加载，数据粒度为月
历史累积表 后缀 _h dw_ord_detail_h 保存历史全量数据，带时间版本
实时同步表（Flink/Kafka） 前缀 rt_ / ods_rt_ / dw_rt_ ods_rt_trade_detail 实时数据采集表，由Flink或Kafka流处理写入
快照表 后缀 _snap dw_account_snap 某时刻的全量快照
临时表 前缀 tmp_ tmp_sales_analysis 任务运行中临时使用
中间结果表 前缀 mid_ mid_sales_summary 数据加工中间结果

3.2 推荐命名模板

  • 层级前缀：ods / dw / dm / d / app / rt
  • 主题缩写 ：如 ord（订单）、cus（客户）、ln（贷款）
  • 功能描述：表的业务含义
  • 刷新标识：a（全量）、fa（全删全导）、d（日增量）、m（月增量）、h（历史）、rt（实时）
3.2.1 示例
表名 解析
ods_fun_customerinfo ODS层，基金系统的客户信息，贴源表
dw_ord_detail_a DW层，订单明细，全量加载
dw_ord_detail_d DW层，订单明细，日增量加载
dw_ord_detail_h DW层，订单明细历史累积表
d_customer 维度表，客户维度
rt_trade_detail 实时交易明细表，Flink/Kafka同步

3.3设计要点

  • 层级前缀：ods / dw / dm / d / app / rt
  • 主题缩写 ：如 ord（订单）、cus（客户）、ln（贷款）
  • 功能描述：表的业务含义
  • 刷新标识：a（全量）、fa（全删全导）、d（日增量）、m（月增量）、h（历史）、rt（实时）
3.3.1示例
表名 解析
ods_fun_customerinfo ODS层，基金系统的客户信息，贴源表
dw_ord_detail_a DW层，订单明细，全量加载
dw_ord_detail_d DW层，订单明细，日增量加载
dw_ord_detail_h DW层，订单明细历史累积表
d_customer 维度表，客户维度
rt_trade_detail 实时交易明细表，Flink/Kafka同步

3.4 设计要点

  1. 前缀代表层级，中间部分代表主题，后缀代表刷新策略或加载方式。
  2. 实时表必须有显式标识 （rt_ 或 _rt），否则容易被误认为批处理表。
  3. 对于全删全导表，建议用 _fa（full append）或 _full 明确风险，提醒使用者数据全覆盖。
  4. 尽量保证不同层级和刷新策略不混淆，一眼就能看出表的特性。

3.5 多系统同名表处理规则

在集团公司或多系统环境中，常常会遇到不同业务系统存在同名表的情况。例如：

  • OA 系统 ：emp（员工信息表，OA中用于考勤、人事流程）
  • ERP 系统 ：emp（员工信息表，ERP中用于薪资、财务成本）
  • POS 系统 ：emp（员工信息表，POS中用于销售员信息）

如果不加区分直接同步到 ODS 层，会造成表名冲突和含义混淆。

3.5.1处理原则
  1. 表名唯一化
    在 ODS 层命名时加入系统标识（系统缩写），保证不同系统的同名表在数仓中不会冲突。
  2. 保持可追溯性
    表名应能快速反映来源系统，方便数据溯源和问题排查。
  3. 贴源设计
    ODS 层表结构与源系统一致，尽量减少字段改动，确保原貌。
3.5.2命名规则

  • 系统缩写：建议统一在企业级数据标准中定义，如：

    • OA 系统：oa
    • ERP 系统：erp
    • POS 系统：pos
    • HR 系统：hr
    • CRM 系统：crm

  • 表名：与源系统一致（保持贴源原则）

    示例

来源系统 源表名 ODS 表名
OA emp ods_oa_emp
ERP emp ods_erp_emp
POS emp ods_pos_emp

设计要点

  • 系统缩写应全局唯一，避免缩写重复导致歧义。
  • 如果同一个系统中存在多个子模块（如 ERP 财务、ERP 生产），可以扩展缩写：
    • ERP 财务模块：erp_fin
    • ERP 生产模块：erp_mfg
  • 在元数据管理平台（如 Data Catalog）中登记系统缩写及表名映射关系，方便后续管理。
  • 对于实时同步的同名表，可以在系统缩写后增加 _rt：
    • ods_oa_emp_rt
    • ods_pos_emp_rt
相关推荐
微三云、小叶17 分钟前
“我店模式“当下观察：三方逻辑未变，三大升级重构竞争力
大数据·数据库
闯闯桑1 小时前
spark.sparkContext.broadcast() 与 org.apache.spark.sql.functions.broadcast 的区别
大数据·spark·apache
代码的余温3 小时前
Beats与Elasticsearch高效数据采集指南
大数据·elasticsearch·jenkins
Edda.4 小时前
沃尔玛FCCA认证：供应链卓越管理的核心钥匙
大数据·新媒体运营·制造
YisquareTech5 小时前
零售行业全渠道应如何与零售后端系统集成？
大数据·edi·零售·数字化转型·数据集成·订单管理·b2b
闯闯桑6 小时前
Spark mapGroups 函数详解与多种用法示例
大数据·分布式·spark
TDengine （老段）7 小时前
工业数据消费迎来“抖音式”革命：TDengine IDMP 让数据自己开口说话
大数据·数据库·物联网·ai·时序数据库·iot·tdengine
AI指北8 小时前
每周AI看 | 微软开源VibeVoice-1.5B、OpenAI历史性交棒、网易云商出席AICon全球人工智能开发与应用大会
大数据·人工智能·ai·微软·钉钉·在线客服·ai agent
代码的余温9 小时前
Redis vs Elasticsearch：核心区别深度解析
大数据·数据库·redis·elasticsearch
武子康9 小时前
大数据-83 Spark RDD详解：特性、优势与典型应用场景
大数据·后端·spark
热门推荐
01不再让Windows更新！&Edge游戏助手卸载及关闭自动更新02奈飞工厂官网，国内Netflix影视在线看|中文网页电脑版入口03UV安装并设置国内源04KGG转MP3工具|非KGM文件|解密音频05Xget：下一代开源资源获取加速引擎，让你的文件下载、储存库克隆和镜像拉取快如闪电06Linux下V2Ray安装配置指南07Qwen3-Coder 快速上手教程 | Qwen Code + Claude Code08蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接09【2025.08.06最新版】Android Studio下载、安装及配置记录（自动下载sdk）10突破百度网盘的下载限速，两种方法教会你【超详细】