ODS/DWD/DWS/ADS 各层职责是什么？
考察意图
数仓分层是数据工程面试的基本盘。考察候选人会不会只背四个缩写，还是能讲清每层存什么、粒度是什么、谁可以出数、以及为什么禁止跨层乱引用。
回答框架
- 先说分层目的：把「原样接入」和「可分析可复用」拆开，挡住口径漂移与返工。
- 按数据形态讲四层：ODS 贴源、DWD 明细、DWS 汇总、ADS 应用。
- 明确消费边界：分析师默认从 DWS/ADS 取数，DWD 做下钻，ODS 不对外。
- 补一句实践：公司命名可能不同（STG/DIM/DWT），但职责不能混。
参考答案（口述版）
一句话：分层是在「保真接入」和「稳定出数」之间加缓冲。ODS 尽量像源系统，往上每层多做一次清洗、建模和聚合，让下游少踩坑。
四层可以这样口述：
1. ODS（Operational Data Store / 贴源层）：按源系统原样或近原样落入仓，保留源字段、源主键、同步时间。可以做技术性转换（编码、分区、软删标记），但不要在这里改业务口径。职责是可回溯、可重放。
2. DWD（Data Warehouse Detail / 明细层）：统一命名、统一时间与币种、脏数据清洗、维表退化/关联，形成「一件业务事实一行」的明细。粒度跟业务事件走：一笔订单、一次曝光、一条日志。这是最重要的可复用层。
3. DWS（Data Warehouse Summary / 汇总层）：按主题把高频分析路径预聚合，例如用户日、商品日、渠道日。粒度是「实体 + 时间窗」，指标要有明确口径主人。
4. ADS（Application Data Service / 应用层）：面向具体报表、看板、接口的宽表或结果表。可以「丑」，但必须稳定、可回刷、和产品口径对齐。
谁用哪一层：调度与回刷看 ODS；数据开发主要建设 DWD/DWS；分析默认 DWS，下钻回 DWD；产品看板走 ADS。跨层禁忌是 ADS 直接扫 ODS、或者每个需求都从 ODS 现算——口径会在 SQL 里分叉。
加分：提到 DIM 维表层、公共中间层不要和 ADS 抢职责；以及「一层只做一类事」，比「层数必须是四」更重要。
关键词
面试官可能的追问
追问 1：为什么分析师不能直接查 ODS？
ODS 保留源系统脏值和历史变更，字段名不统一，还可能有重复同步。直接查等于每个需求各自清洗一遍，GMV、用户数会对不上。ODS 的价值是回溯和重跑，不是出数。
追问 2：DWD 和 DWS 的粒度怎么定？明细指标能不能放 ADS？
DWD 跟事件粒度：一单一行、一曝光一行，不在这里按天求和。DWS 跟分析粒度：用户×日、店铺×日。ADS 可以再做一个「首页只要 20 个字段」的结果表，甚至保留少量明细字段方便下钻，但核心汇总口径应先在 DWS 沉淀，避免每个看板自己算一遍 GMV。
常见踩坑
- 在 ODS 里改业务口径，源系统一变就无法对账
- 跳过 DWD，每个 ADS 各自 join 清洗，口径分叉
- 把 DWS 做成「一张超级宽表包打天下」，既难维护又难回刷
记忆锚点
ODS 保真，DWD 保明细，DWS 保口径，ADS 保交付。