相信在大數據行當裡闖的各位同仁對阿里雲並不陌生，而研究阿里大數據架構的技術專家們，顯然或多或少會知道阿里中臺系統，那今天咱就聊聊阿里中臺（OneData）的能力演進與整體優劣。
借別人之觀點：
廣義的數據中臺包括了數據技術，比如對海量數據進行採集、計算、存儲、加工的一系列技術集合，對於大多企業，這些能力是能夠買到的，因此無所謂積澱，要積澱大多也是別人的積澱，而不是企業的，當然自主研發的除外，比如阿里的ODPS等。
除此之外，數據中臺能力可能不僅於此，可能還包括數據模型、算法服務、數據產品、數據管理等，這些服務跟企業的業務有較強的關聯性，是這個企業獨有的且能復用的。比如企業自建的2000個基礎模型，300個融合模型，5萬個標籤，這些就是數據中臺的延伸能力，它是企業業務和數據的沉澱，其不僅能降低重複建設，減少煙囪式協作的成本，也是差異化競爭優勢所在。
在以這些內容為背景的前提下，我們就知道了所謂中臺的核心能力，其實就是數據模型。數據模型是面向業務支撐的底座能力，模型的設計不僅是一門學問更是一門藝術，所以我們看阿里中臺系統的模型構架，它包括了ODS層、CDM層和ADS層。
ODS層是數據接入的同步層，它源於各個業務系統，同時面向後續的數據清洗和加工，提供了最初的數據統一接入（數據準備區），涉及到離線數據和（準）實時數據。阿里ODS層設計包含了三個特性：其一是數據同步功能，支持結構化數據增量或全量同步到ODPS；其二是實現全結構化數據轉換，能夠將非結構化數據（如日誌）進行結構化處理後再存儲；其三是支持歷史數據的積累和清洗，能根據數據業務需求及稽核審計要求保存信息。
CDM層算是中間層了，它包括DWD明細數據存儲和DWS公共匯總數據集合，並以維度模型方法為基礎，提升公共指標的復用性，減少重複的加工。包括事務型事實寬表、周期性事實寬表、累計快照事實寬表等，同時還支持面向主題域的公共匯總模型。CDM支持個性化分析與自助取數、支持面向應用的數據同步，可以說是數據倉庫核心之能力。
ADS層是面向應用和集市的上層能力，它支持個性化指標加工和基於應用的數據組裝。
阿里數據中臺之OneData也並非是「一次成型」的，它經歷了三個階段的能力演進。
第一階段：完全應用驅動的時代。這個時期主要將數據以與源結構相同的方式同步到Oracle，那時候的數據架構只有兩層ODS+DSS，嚴格說來基本只有一個ODS層，也基本沒有模型方法體系。在這個時期阿里遇到了嚴重挑戰，意識到需要科學規劃數據架構。具體包括：數據標準不統一、服務業務能力受限、計算存儲負擔嚴重、研發成本高且重複開發的問題；
第二階段：隨著阿里業務的快速發展，數據量也在飛速增長，性能已經是一個較大問題，希望通過一些模型技術改變煙囪式的開發模型，消除一些冗餘，提升數據的一致性，所以阿里引入了Greenplum。初步構建數據分層架構，改變煙囪式的開發模式，消除數據冗餘並提升數據一致性。在最核心的基礎數據層，希望採用工程領域主流的ER模型但遭遇到比較大的困難，主要體現在：網際網路業務的快速發展，人員的快速迭代變化，業務知識功底的不夠全面導致ER模型設計遲遲不能產出；
第三階段：引入以hadoop為代表的分布式存儲計算平臺，確立第三代模型架構（OneData），核心CDM層都採用多維模型。選擇了以Kimball維度建模為核心理念的模型方法論，同時對其進行了一定的升級和擴展，構建了阿里集團的數據架構體系。
讀到這裡，相信對阿里數據中臺已經有了一定深入的理解。自然而然的，我們就要說說其整體優劣。
優點：
伴隨著業務考驗， OneData並非一蹴而就，循序漸進是階段性演進成果；
既具備開源開放的體系架構，又參考數倉之父Kimball的理念精髓；
是大型企業數據架構的核心參考，因此具備成熟性、先進性和推廣性；
缺點：
OneData數據架構並非適用簡單業務或小型企業；
架構設計複雜，需要大量經驗積累，以堆疊、論證或迭代方式構建；
作為大型企業的架構級能力支撐，OnaData與數據質量、指標體系等其他因素關係密切，必須同步發展；
這是今天分享的主題。
分析世界講方案，為您帶來精彩的一頁。
感謝閱讀、感謝共鳴。