Kylin知识点总结

Kylin简介

Apache Kylin是一个开源的分布式分析引擎，提供Hadoop/Spark之上的SQL查询接口及多维分析（OLAP）能力以支持超大规模数据

Kylin架构

1）REST Server

REST Server是一套面向应用程序开发的入口点，旨在实现针对Kylin平台的应用开发工作。 此类应用程序可以提供查询、获取结果、触发cube构建任务、获取元数据以及获取用户权限等等。另外可以通过Restful接口实现SQL查询。

2）查询引擎（Query Engine）

当cube准备就绪后，查询引擎就能够获取并解析用户查询。它随后会与系统中的其它组件进行交互，从而向用户返回对应的结果。 

3）路由器（Routing）

在最初设计时曾考虑过将Kylin不能执行的查询引导去Hive中继续执行，但在实践后发现Hive与Kylin的速度差异过大，导致用户无法对查询的速度有一致的期望，很可能大多数查询几秒内就返回结果了，而有些查询则要等几分钟到几十分钟，因此体验非常糟糕。最后这个路由功能在发行版中默认关闭。

4）元数据管理工具（Metadata）

Kylin是一款元数据驱动型应用程序。元数据管理工具是一大关键性组件，用于对保存在Kylin当中的所有元数据进行管理，其中包括最为重要的cube元数据。其它全部组件的正常运作都需以元数据管理工具为基础。 Kylin的元数据存储在hbase中。 

5）任务引擎（Cube Build Engine）

这套引擎的设计目的在于处理所有离线任务，其中包括shell脚本、Java API以及Map Reduce任务等等。任务引擎对Kylin当中的全部任务加以管理与协调，从而确保每一项任务都能得到切实执行并解决其间出现的故障。

Kylin使用

1）创建工程

2）获取数据源

导入Hive表

注意：Kylin不能处理Hive表中的复杂数据类型（Array,Map,Struct）,即便复杂类型的字段并未参与到计算之中。故在加载Hive数据源时，不能直接加载带有复杂数据类型字段的表。

解决方法：创建视图过滤复杂数据类型字段

3）创建model（星型/雪花模型）

（1）指定事实表

（2）选择维度表，并指定事实表和维度表的关联条件

（3）指定维度字段

（4）指定度量字段

（5）指定事实表分区字段

（6）过滤

4）构建cube

（1）选择cube所依赖的model

（2）选择预计算所需的维度（Derived优化）

（3）选择预计算所需度量值、聚合函数

（4）cube自动合并设置（为提高查询效率，需将每日的cube进行合并，此处可设置合并周期）

（5）Kylin高级配置 （聚合组优化、RowKey优化）

（6）构建Cube，选择要构建的时间区间（Kylin提供了Restful API，因次我们可以将构建cube的命令写到脚本中，将脚本交给调度工具，以实现定时调度的功能）

注意：每日全量维度表及拉链维度表重复Key报错

解决方法：创建视图，创建视图时对数据加以过滤，保证从视图中查出的数据是一份全量最新的数据

Kylin Cube构建优化

使用衍生维度（derived dimension）

衍生维度用于在有效维度内将维度表上的非主键维度排除掉，并使用维度表的主键（其实是事实表上相应的外键）来替代它们。Kylin会在底层记录维度表主键与维度表其他维度之间的映射关系，以便在查询时能够动态地将维度表的主键“翻译”成这些非主键维度，并进行实时聚合。

注意：如果从维度表主键到某个维度表维度所需要的聚合工作量非常大，则不建议使用衍生维度。

使用聚合组（Aggregation group）

聚合组是一种强大的剪枝工具，可以通过强制维度、层级维度、联合维度去掉不需要的维度组合。

 

 

Row Key优化

调整维度在rowkey中的次序，对查询性能有显著的影响。

1）优化查询：被用作过滤的维度放在前边。

2）优化计算：基数大的维度放在基数小的维度前边

Kylin Cube构建原理

Cube和Cuboid

对于每一种维度的组合，将度量值做聚合计算，然后将结果保存为一个物化视图，称为Cuboid。所有维度组合的Cuboid作为一个整体，称为Cube。

Cube构建算法

1）逐层构建算法（layer）

在逐层算法中，按维度数逐层减少来计算，每个层级的计算（除了第一层，它是从原始数据聚合而来），是基于它上一层级的结果来计算的。每一轮的计算都是一个MapReduce任务，且串行执行

总结：稳定但效率较低

2）快速构建算法（inmem）

每个Mapper将其所分配到的数据块，计算成一个完整的小Cube 段（在内存做预聚合，算出所有组合）。每个Mapper将计算完的Cube段输出给Reducer做合并，生成大Cube（只有一轮MapReduce）。

总结：效率较高但不稳定

Kylin Cube存储原理

关注HBase表的RowKey设计（此处为简化后的RowKey）