1、ODS原始数据层
ODS层保存所有操作数据，不对原始数据做任何处理。在业务系统和数据仓库之间形成一个隔离，源系统数据结构的变化不影响其他数据分层。减轻业务系统被反复抽取的压力，由ODS统一进行抽取和分发。记住ODS层数据要保留数据的原始性。
处理原则：
根据源业务系统表的情况以增量或全量方式抽取数据；
ODS层以流水表和快照表为主，按日期对数据进行分区保存，不使用拉链表；
ODS层的数据不做清洗和转换，数据的表结构和数据粒度与原业务系统保持一致。
2、DWD数据明细层
DWD层的数据是经由ODS层数据经过清洗、转换后的明细数据，满足对标准化数据需求。如对NULL值处理，对数据字典解析，对日期格式转换，字段合并、脏数据处理等。
处理原则：
数据结构与ODS层一致，但可以对表结构进行裁剪和汇总等操作；
对数据做清洗、转换；
DWD层的数据不一定要永久保存，具体保存周期视业务情况而定。
3、DWS数据汇总层
DWS层数据 按主题对数据进行抽象、归类，提供业务系统细节数据的长期沉淀。这一层是一些汇总后的宽表，是根据DWD层数据按照各种维度或多种维度组合，把需要查询的一些事实字段进行汇总统计。可以满足一些特定查询、数据挖掘应用，面向业务层面，根据需求进行汇总。
处理原则：
面向全局、数据整合；
存放最全的历史数据，业务发生变化时易于扩展，适应复杂的实际业务情况；
尽量减少数据访问时的计算量，优化表的关联。维度建模，星形模型；
事实拉宽，度量预先计算， 基本都是快照表。反规范化，有数据冗余。
4、AWS数据明细层
ADS应用层是根据业务需要，由DWD、DWS数据统计而出的结果，可以直接提供查询展现，或导入至Oracle等关系型数据库中使用。这一层的数据会面向特定的业务部门，不同的业务部门使用不同的数据，支持数据挖掘。
处理原则：
形式各式，主要按不同的业务需求来处理；
保持数据量小，定时刷新数据；
数据同步到不同的关系型数据库或hbase等其他数据库中。
提供最终数据，来满足业务人员、数据分析人员的数据需求