在之前的博客中，博主已经为大家带来了Kylin的简单介绍，环境搭建以及简单入门使用。本篇博客，博主为大家带来的是关于Kylin工作原理的介绍!
文章目录
- Kylin的工作原理
- 维度和度量
- Cube 和 Cuboid
- 工作原理
- 技术架构
- 总结
Kylin的工作原理
Apache Kylin的工作原理本质上是 MOLAP（多维立方体分析）。
维度和度量
- 维度就是观察数据的角度 ，例如：
电商的销售数据，可以从时间的维度来观察，也可以细化从时间和地区的维度来观察。
统计时，可以把维度值相同的记录聚合在一起，然后应用聚合函数做累加、平均、去重计数等聚合计算。
- 度量就是被聚合的统计值，也是聚合运算的结果。
例如：
时间（维度） | 销售额（度量） |
2019 1Q | 1.7M |
2019 2Q | 2.1M |
2019 3Q | 1.6M |
2019 4Q | 1.8M |
时间（维度） | 地区（维度） |
2019 1Q | 中国 |
2019 1Q | 北美 |
2019 2Q | 中国 |
2019 2Q | 北美 |
2019 3Q | 中国 |
2019 3Q | 北美 |
2019 4Q | 中国 |
2019 4Q | 北美 |
Cube 和 Cuboid
- 一个数据表或数据模型上的字段要么是维度，要么是度量（可以被聚合）
- 给定一个数据模型，可以对其上的所有维度进行组合。对于N个维度来说，组合的所有可能性共有2 的N 次方种
-
对于每一种维度的组合，将度量做聚合运算，然后将运算的结果保存为一个物化视图，称为Cuboid（立方形）
-
所有维度组合的Cuboid作为一个整体，被称为Cube（立方体）。一个Cube就是许多按维度聚合的物化视图的集合。
关于数据立方体Cube
- Cube 是所有 dimession 的组合
- 每一种 dimession 的组合称之为cuboid（立方形）。某一有 n 个 dimession 的 cube 会有 2^n个 cuboid。
- 数据立方体只是多维模型的一个形象的说法。
为什么叫立方体？
- 立方体本身只有三维，但多维模型不仅限于三维模型，可以组合更多的维度。
- 为了与传统关系型数据库的二维表区别开来，才有了数据立方体的叫法。
工作原理
Apache Kylin的工作原理是对数据模型做Cube预计算，并利用计算的结果加速查询。具体工作过程如下:
- 指定数据模型，定义维度和度量
- 预计算Cube，计算所有Cuboid并保存为物化视图
- 执行查询时，读取Cuboid，运算，产生查询结果
高效OLAP分析：
- Kylin的查询过程不会扫描原始记录，而是通过预计算预先完成表的关联、聚合等复杂运算
- 利用预计算的结果来执行查询，相比非预计算的查询技术，其速度一般要快一到两个数量级，在超大的数据集上优势更明显
- 数据集达到千亿乃至万亿级别时，Kylin的速度可以超越其他非预计算技术1000倍以上
技术架构
Apache Kylin系统可以分为在线查询和离线构建两部分。
在线查询模式主要处于上半部分，离线构建处于下半部分。
在线查询
离线构建
以下为Kylin技术架构的具体内容：
- 数据源主要是Hadoop Hive，数据以关系表的形式输入，且必须符合星形模型，保存着待分析的用户数据。根据元数据的定义，构建引擎从数据源抽取数据，并构建Cube
- Kylin可以使用MapReduce或者Spark作为构建引擎。构建后的Cube保存在右侧的存储引擎中，一般选用HBase作为存储
- 完成了离线构建后，用户可以从上方查询系统发送SQL进行查询分析
- Kylin提供了各种Rest API、JDBC/ODBC接口。无论从哪个接口进入，SQL最终都会来到Rest服务层，再转交给查询引擎进行处理
- SQL语句是基于数据源的关系模型书写的，而不是Cube
■ Kylin在设计时，刻意对查询用户屏蔽了Cube的概念
■ 分析师只需要理解简单的关系模型就可以使用Kylin，没有额外的学习门槛，传统的SQL应用也很容易迁移
■ 查询引擎解析SQL，生成基于关系表的逻辑执行计划，然后将其转译为基于Cube的物理执行计划，最后查询预计算生成的Cube并产生结果，整个过程不会访问原始数据源
总结
本篇博客从多个角度为大家揭示了Kylin的工作原理。相信在看之前对Kylin的工作原理还一头雾水的朋友，看完一定能够恍然大悟????
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????
