# poyee-data-warehouse 知识库

> `kb/` 是 `poyee-data-warehouse` 数据仓库项目的知识库。
> 是**开发手册**，也是 **vibe coding 和 Review 的参考依据**。

## 项目现状速读（冷启动必读）

- **`launch-pad/` 不做业务迁移**：里面是上个项目（与当前业务无关）的历史业务代码，仅作**样板 SQL / DataX ini 写法的参考**，新项目业务 SQL 全部从零开发，完成后 `launch-pad/` 整体删除
- **`tendata/` → `dw_base/`**：这是重构核心映射，需要修改模块名 + 所有 `from tendata ...` import、`ADD FILE tendata/...`、`tendata.zip` 打包命令等引用（详见 `90-重构路线.md` §1.1）
- **重构进度**：刚起步，kb 文档梳理完成，代码层面尚未动工。进度追踪见 `92-重构进度.md`

## 文档分组

文件按编号前缀分组，序号越小越基础、越靠前阅读。

## 文档索引

### 0x 项目与环境

| 文档 | 内容                                               |
|----|--------------------------------------------------|
| [00-项目架构](00-项目架构.md) | 模块关系图、Spark SQL / DataX 执行时序、DataX 脚本详细使用说明、配置管理 |
| [01-运行环境](01-运行环境.md) | CDH 技术栈版本、平台架构图、开发侧约束                            |
| [02-权限与账号](02-权限与账号.md) | 鉴权链路、job账号 vs 个人账号

### 1x 业务上下文

| 文档 | 内容 |
|----|----|
| [10-业务流程](10-业务流程.md) | Hobby Stocks 用户侧 + 商家侧 + 售后全链路流程图 |
| [11-数据资产](11-数据资产.md) | 业务库、埋点数据、爬虫数据、采购数据清单 |
| [12-同步方案](12-同步方案.md) | PG → Hive 存量/增量/历史归档/CDC 同步策略与阶段演进 |

### 2x 数仓建模

| 文档 | 内容 |
|----|----|
| [20-数仓分层与建模](20-数仓分层与建模.md) | 分层定义、主题域、总线矩阵、维度建模五步法、同步策略 |
| [21-命名规范](21-命名规范.md) ★ | 五段式表名、字段规则、词根字典、建表自检 Checklist |
| [22-指标体系](22-指标体系.md) | 指标分类、逻辑结构、指标/维度/度量字典 |
| [23-标签体系](23-标签体系.md) | TDM 层用户/商品/商家画像设计 |

### 3x 开发流程

| 文档 | 内容 |
|----|----|
| [30-开发规范](30-开发规范.md) | 数据开发流程、任务规范、代码 / SQL 规范（IDE 格式化 scheme 见 `conf/sql_style.xml`） |

### 9x 过渡资料

| 文档 | 内容 |
|----|----|
| [90-重构路线](90-重构路线.md) | 基于老项目代码分析的重构路线（P0-P3） |
| [92-重构进度](92-重构进度.md) | 重构任务 checklist 与当前进度 |

## 阅读建议

**新成员上手路径：**
1. [00-项目架构](00-项目架构.md) — 了解模块全貌
2. [01-运行环境](01-运行环境.md) — 了解基础设施
3. [20-数仓分层与建模](20-数仓分层与建模.md) — 了解建模方法论
4. [21-命名规范](21-命名规范.md) — 熟悉命名规则（★ 最高频参考）
5. [30-开发规范](30-开发规范.md) — 熟悉开发流程


**查样板：**
- DataX ini 样板 → `conf/templates/datax/{raw,ads,manual}/*.template.ini`
- Spark SQL 样板 → `conf/templates/sql/*.template.sql`
- 建表 DDL 样板 → `conf/templates/ddl/*.template.sql`
- 数据源连接样板 → `conf/templates/datasource/*.template.ini`