本篇博客,为大家带来的是关于大数据实战【千亿级数仓】阶段五的内容。

大数据实战【千亿级数仓】阶段五_数据仓库

        该阶段中我们需要达成的目标有:

  • 学习、掌握kylin的使用,使用kylin,为数据仓库内的数据进行预计算

        关于Kylin的入门及使用安装,具体的内容可以参考博主写的kylin专栏的内容:

        ????Kylin

        所以本篇博客,为大家带来的则是如何将Kylin与我们的数仓项目进行结合,即使用Kylin,为数据仓库内的ads层结果数据进行预计算处理。

基于Kylin开发Ads层

项目需求介绍

        因为业务需要,公司运营部门,希望随时能够自己编写SQL语句,快速获取到不同维度数据的指标,故基于Kylin OLAP分析平台,搭建快速OLAP分析平台。

业务开发

开发步骤:


  1. 创建 itcast_shop 项目
  2. 导入dw层宽表数据
  3. 创建数据模型
  4. 创建Cube立方体
  5. 构建立方体
  6. 执行查询

具体操作步骤:

在kylin中导入数据源

大数据实战【千亿级数仓】阶段五_Hadoop_02

大数据实战【千亿级数仓】阶段五_云计算/大数据_03

创建model

大数据实战【千亿级数仓】阶段五_Hadoop_04

指定model名称:

大数据实战【千亿级数仓】阶段五_云计算/大数据_05

选择事实表:

大数据实战【千亿级数仓】阶段五_Spark_06

创建完了Model,接着我们需要创建Cube,创建Cube就需要根据我们根据业务需求中所书写的SQL语句进行操作。

这里举一个在前面阶段我们所求得的SQL指标的例子。

全国、无商品分类维度的交易信息

需求:


  1. 获取全国、无商品分类维度的分交易类型数据
  2. 获取全国、无商品分类维度的不分交易类型的数据

对应的SQL

-- 获取全国、无商品分类维度的分交易类型数据
select
paytype,
count(distinct orderid) total_cnt,
sum(goodsprice) total_money
from
itcast_dw.TMP_ORDER_GOODS_CAT_ORG
group by paytype;

-- 获取全国、无商品分类维度的不分交易类型的数据
select
'9' as paytype,
count(distinct orderid) total_cnt,
sum(goodsprice) total_money
from
itcast_dw.TMP_ORDER_GOODS_CAT_ORG;

全国、一级商品分类维度交易信息

需求:


  1. 获取全国、一级商品分类维度的分交易类型数据
  2. 获取全国、一级商品分类维度的不分交易类型数据

对应的SQL

-- 1、获取全国、一级商品分类维度的分交易类型数据
select
firstcat,
paytype,
count(distinct orderid) total_cnt,
sum(goodsprice) total_money
from
itcast_dw.TMP_ORDER_GOODS_CAT_ORG
group by firstcat, paytype;

-- 2、获取全国、一级商品分类维度的不分交易类型数据
select
firstcat,
count(distinct orderid) total_cnt,
sum(goodsprice) total_money
from
itcast_dw.TMP_ORDER_GOODS_CAT_ORG
group by firstcat;

        获取到SQL指标之后,我们就可以创建Cube立方体,并build构建立方体,最后再根据SQL语句,在线进行查询即可。

        因为这里面所涉及到的Kylin基本的流程操作。而博主在之前的博客​​kylin入门实操​​已经为大家较为详细地介绍了kylin的操作流程,所以这里就不再做过多的赘述。

        大家在领悟了Kylin的基本流程之后,根据已有的SQL,利用Kylin进行加速查询还是比较容易的。

小结

        大数据实战【千亿级数仓】阶段五的内容到这里就结束了。大家需要在了解Kylin基本操作的基础上,对我们数仓项目ads数据层的数据进行预处理,加速查询!!!

        ​如果以上过程中出现了任何的纰漏错误,烦请大佬们指正????

        ​受益的朋友或对大数据技术感兴趣的伙伴记得点赞关注支持一波????

大数据实战【千亿级数仓】阶段五_数据仓库_07