一句话整体逻辑：ODS 原始落地 → DWD 清洗明细 → DWS 轻度汇总 → ADS 业务报表，一层加工一层，层层依赖，就是你 Azkaban 调度的整套 ETL 链路。
一、层级
1. ODS 层：原始数据层（Operational Data Store）
作用 ：原样接入上游业务系统数据，几乎不做清洗，相当于数据的中转站、备份层。 数据源：业务 MySQL binlog、埋点日志、接口推送数据等。 特点：
- 数据结构、内容和上游几乎保持一致，只做落地、分区；
- 不做过滤、不清洗脏数据，保留原始所有记录；
- 主要用途：存档原始数据，一旦后面加工出错，可以重跑，不用再找上游拿数据；
- 缺点：数据杂乱，有脏数据、重复数据、无用字段，不能直接给业务使用。
👉 对应你的调度链路：第一个跑的任务，凌晨最先执行，ODS 跑完，DWD 才会启动
2. DWD 层：明细数据层（Data Warehouse Detail）
作用 ：对 ODS 原始数据做清洗，产出干净的明细数据（最核心明细层）。 清洗动作：
- 剔除脏数据（空 user_id、-9999 异常 key、乱码）；
- 去重、过滤无效日志；
- 字段标准化、格式统一；
- 关联少量维度表补全信息；
保留每条原始明细记录，不会合并聚合，一条日志还是一条记录。
特点：
- 数据质量高，标准统一；
- 是后续汇总计算的基础；
- 不做大粒度指标汇总。
👉 链路：ODS 成功后，触发 DWD 任务。
3. DWS 层：汇总 / 服务数据层（Data Warehouse Service）
作用 ：基于 DWD 明细，按维度做轻度汇总，把明细聚合成常用的统计粒度（用户日、商品日、地区日）。 例子：按用户维度，统计当日访问次数、点击次数、停留时长。 特点：
- 减少数据量：几十万条明细，聚合后变成几万条汇总记录；
- 提前预计算指标，避免 ADS 重复计算，提升报表查询速度；
- 一般是多维度的汇总，支持上层报表复用。
👉 链路：DWD 跑完，再跑 DWS。
4. ADS 层：应用数据层（Application Data Store，报表层）
作用 ：面向业务应用、大屏、报表，高度聚合，产出业务最终指标。 基于 DWS 汇总表，按照业务需求，定制计算业务指标。 示例：日活 DAU、GMV、转化率、留存、业务大盘报表。 特点：
- 直接对接业务平台、BI 报表；
- 一张表大多对应一个业务报表；
- 指标完全贴合业务语言，业务人员直接看这层。
👉 链路：DWS 跑完，最后跑 ADS，ADS 产出完成代表整套 T+1 数仓链路全部完成。
二、极简串联例子（用户行为埋点）
- ODS：接收原始埋点日志，原样保存，有大量脏数据、无效点击。
- DWD：清洗埋点，过滤脏数据，保留每条合法用户点击明细。
- DWS：按用户维度汇总：用户今日点击多少次、浏览多少次。
- ADS：计算大盘指标：今日总 DAU、总点击量，给业务 BI 报表展示。
三、精简版
ODS 是原始数据层，原样落地上游数据，作为备份； DWD 是明细层，清洗 ODS 脏数据，保留干净明细； DWS 是汇总层，基于明细做轻度聚合，预计算指标，减少上层计算压力； ADS 是应用报表层，面向业务，产出最终业务指标，供 BI、业务大屏使用。 四层上下游依赖，Azkaban 调度顺序：ODS→DWD→DWS→ADS，逐层串行执行。
四、高频Q&A
Q：DWD 和 DWS 最大区别？ A：DWD 是明细 ，一条原始记录一条；DWS 是聚合汇总，多条明细合并成一条统计结果。
Q：能不能直接 ODS→ADS，跳过 DWD、DWS？ A：技术上可以，但不推荐。ODS 脏数据多，直接计算报表容易出错；而且多个报表重复写清洗逻辑，代码冗余，不好维护。分层就是为了解耦、复用、方便数据回溯。
Q：DWS 和 ADS 怎么区分？ A：DWS 是通用汇总，多个报表可以复用；ADS 是业务定制，一张表大多对应一个业务报表。