分布式大数据多维数据分析(olap)引擎kylin[转]

Apache Kylin是一个开源的分布式分析引擎，提供Hadoop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，最初由eBay 开发并贡献至开源社区。它能在亚秒内查询巨大的Hive表。

Kylin OLAP引擎基础框架，包括元数据（Metadata）引擎，查询引擎，Job引擎及存储引擎等，同时包括REST服务器以响应客户端请求；

支持额外功能和特性的插件；

与调度系统，ETL，监控等生命周期管理系统的整合；

在Kylin核心之上扩展的第三方用户界面；

官网地址：http://kylin.apache.org/

提供了主要功能及使用的中文文档。

Kylin的架构特性

---

可扩展的超快OLAP引擎，提供标准SQL查询接口

支持单机或集群部署，为减少在Hadoop上百亿规模数据查询延迟而设计；

提供标准SQL接口，满足Hadoop之上的大部分分析查询需求。

交互式查询能力，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工具及其他应用整合

提供JDBC及ODBC驱动，与BI工具整合。

其他特性

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；

Kylin的安装部署

---

下载地址：http://kylin.apache.org/download/

apache-kylin-1.5.1-bin.tar.gz

解压至：/home/liuxiaowen/kylin

安装部署环境

我这里使用的相关版本为：

hbase-0.98.6-cdh5.2.0

hadoop-2.3.0-cdh5.0.0

apache-hive-2.0.0-bin

apache-kylin-1.5.1-bin

jdk1.7+

特别注意：Hive应该使用至少0.14以上的版本，我第一次使用0.13.1时候有问题。

另外，请确保Hadoop、HBase、Hive可用，这里不介绍。

配置环境变量

部署使用的用户为liuxiaowen

vi ~/.bash_profile

1. ##HBASE
2. export HBASE_HOME=/opt/hbase-0.98.6-cdh5.2.0
3. export HBASE_CONF_DIR=/etc/hbase/conf
4. ##HADOOP
5. export HADOOP_HOME=/opt/hadoop-2.3.0-cdh5.0.0
6. export HADOOP_CONF_DIR=/etc/hadoop/conf
7. export YARN_CONF_DIR=/etc/hadoop/conf
8. ##HIVE
9. export HIVE_HOME=/home/liuxiaowen/apache-hive-2.0.0-bin
10. export HCAT_HOME=$HIVE_HOME/hcatalog
11. export HIVE_CONF=$HIVE_HOME/conf
12. ##KYLIN
13. export KYLIN_HOME=/home/liuxiaowen/kylin/apache-kylin-1.5.1-bin

刷新环境变量：

source ~/.bash_profile

---

配置Kylin使用的Hive数据库：

cd $KYLIN_HOME/conf

vi kylin.properties

# Hive database name for putting the intermediate flat tables

## 这里配置在Hive中使用的schema，需要写权限

kylin.job.hive.database.for.intermediatetable=liuxiaowen

---

使用HDFS超级用户在HDFS上为Kylin创建工作目录，并赋权给liuxiaowen：

hadoop fs -mkdir /kylin

hadoop fs -chown -R liuxiaowen:liuxiaowen /kylin

---

## 可选，配置Kylin使用的内存

$KYLIN_HOME/bin/setenv.sh

检查环境配置

cd $KYLIN_HOME/bin

./check-env.sh

启动Kylin

cd $KYLIN_HOME/bin

./kylin.sh start

登陆Kylin WEB界面

浏览器输入：

http://172.16.212.17:7070/kylin

用户名密码：ADMIN/KYLIN

遇到的几个问题

---

都是因为使用了Hive0.13.1引起的：

1. Caused by: java.lang.IncompatibleClassChangeError:
2. Found interface org.apache.hadoop.mapreduce.JobContext, but class was expected

hcatalog版本问题，后改为Hive2.0中的hcatalog

export HCAT_HOME=/home/liuxiaowen/apache-hive-2.0.0-bin/hcatalog

1. java.lang.NoClassDefFoundError: org/apache/hadoop/hive/shims/Utils

Kylin的简单示例

---

Kylin中多维分析Cube的建立主要包括以下步骤：

1. Hive中分析好事实表；
2. Kylin中建立项目(project)；
3. Kylin中建立数据源；
4. Kylin中建立数据模型；
5. Kylin中建立Cube；
6. Build Cube；
7. 查询Cube；

Kylin按照上面的过程，最终将Hive中的事实表按照相应的结构，压缩并存储在HBase中。

官网提供了中文文档，说明了如何在Kylin中建立Cube，非常详细：

http://kylin.apache.org/cn/docs15/tutorial/create_cube.html

Hive中的事实表

事实表lxw1234_kylin_fact中的维度有day、region、city、siteid、os；最终查询的指标有两个：PV以及UV（COUNT DISTINCT cookieid）

Kylin中建立数据模型

1. 建立项目lxw1234;

2. 将Hive中的事实表 lxw1234_kylin_fact导入到Kylin数据源：

3. 建立数据模型lxw1234_dataModel：

选择维度数据：

选择指标数据：

其他设置：

数据模型中的日期分区字段貌似是必选的，否则会有问题。

然后保存。

Kylin中建立Cube

设计维度：

设计指标：

其中，UV使用的COUNT_DISTINCT是近似计算，需要选择错误率，错误率越低，占用的存储越大，Build耗时越长。

其他设置请参考上面给的中文文档链接，很详细。

设置好之后保存。

Kylin中Build Cube

在Cube后面的Actions下拉菜单中选择Build：

Submit之后，在Monitor页面中可以看到Build Job的进度和状态：

双击Job Name进入该Job的详细监控页：

Build完成后，在Model页面可以看到这个Cube已经是READY状态：

你可以在HBase中查看该Cube对应的HTable：

Kylin中使用SQL查询

在Insight页面中使用SQL查询：

注意：由于DAY是关键字，需要使用双引号。