kylin入门到实战：入门

版权申明：转载请注明出处。
文章来源：http://bigdataer.net/?p=292

排版乱？请移步原文获得更好的阅读体验

1.概述

kylin是一款开源的分布式数据分析工具，基于hadoop之上的sql查询接口，能支持超大规模的数据分析。响应时间在亚秒级别，其核心是预计算，计算结果存放在hbase中。

2.特性

• 可扩展超快OLAP引擎:
  Kylin是为减少在Hadoop上百亿规模数据查询延迟而设计

• Hadoop ANSI SQL 接口:
  Kylin为Hadoop提供标准SQL支持大部分查询功能

• 交互式查询能力:
  通过Kylin，用户可以与Hadoop数据进行亚秒级交互，在同样的数据集上提供比Hive更好的性能

• 多维立方体（MOLAP Cube）:
  用户能够在Kylin里为百亿以上数据集定义数据模型并构建立方体

• 与BI工具无缝整合:
  Kylin提供与BI工具，如Tableau，的整合能力，即将提供对其他工具的整合

• 其他特性:
  Job管理与监控
  压缩与编码
  增量更新
  利用HBase Coprocessor
  基于HyperLogLog的Dinstinc Count近似算法
  友好的web界面以管理，监控和使用立方体
  项目及立方体级别的访问控制安全
  支持LDAP

3.相关概念

3.1 Fact Table(事实表)：
事实表是指包含了大量不冗余数据的表，其列一般有两种，分别为包含事实数据的列，包含维表foreign key的列。
3.2 Lookup table：包含了对事实表的某些列扩充说明的字段。
3.3 Dimenssion Table(维表)：
由fact table和lookup table 抽象出来的表，包含了多个相关的列，提供对数据不同维度的观察，其中每列的值的数目称为cardinatily。
3.4 model:用来定义用户需要使用的hive表名，及所包含的维度列、度量列、partition列和date格式。
3.5 cube:用来定义某具体查询时会涉及到的维度列及相互之间的关系（如层级关系）、度量列的具体类型（如max，min，sum）等,一个model下可存在多个cube。

更多文章请关注微信公众号bigdataer