ODS即数仓中的贴源层，用于当前、历史及其他细节查询。存储在ODS中的数据需要进行基本的数据清洗，包括不合规的、错误的和重复的数据，但是不对数据做过多的聚合操作。

ODS表设计方法

存储方式

为了满足历史数据分析要求，需要在ODS中甲时间维度，即分区字段（ds、pt等）

1.增量存储

业务日期作为分区，每个分区存放日增量的业务数据。

2. 全量存储

业务日期作为分区，每个分区存放截止业务日期的全量业务数据。
这样的存储方式类似维度模型的周期性快照处理手法，是消耗存储成本来换取易用性，所以这类存储方式较适用小型维度数据。

3. 历史拉链存储

利用维度中的缓慢变化维，需要新增两个时间戳字段（start_ds,end_ds)，同时也是分区字段，记录天粒度的变更数据。这样下游可以通过限制两个时间戳获取历史数据，弊端是对于不理解维度模型的用户来说，具有较高的理解难度，开发人员面临较大的解释成本。另外两个字段分区，会导致数量膨胀。

比较

存储方式	存储成本	计算成本	局限性	适用场景举例
增量	高	低	源表更新不能满足全局数据获取的需求	比如交易、日志表。一方面数据量大不适合全量存储，一方面下游不太需要访问历史全量数据，或者增量union起来就是全量了。
全量	高	低	存储成本太高，下游使用效率低	比如商品类目。小数据量的缓慢变化的维度数据。
历史拉链	低	较高	计算成本、维护成本高，只适用缓慢变化的表	比如用户、商品。大数据量的缓慢变化的维度数据。