Apache Kylin 入门 3 - 安装与配置

Apache Kylin 入门系列目录

• Apache Kylin 入门 1 - 基本概念
• Apache Kylin 入门 2 - 原理与架构
• Apache Kylin 入门 3 - 安装配置参数详解
• Apache Kylin 入门 4 - 构建 Model
• Apache Kylin 入门 5 - 构建 Cube
• Apache Kylin 入门 6 - 优化 Cube
• 基于 ELKB 构建 Kylin 查询时间监控页面

安装 Kylin

前面两篇文章介绍了 Apache Kylin 相关的基本概念以及其工作原理，下面将进入实战部分，首先就是安装部署与配置。

大数据环境要求（V2.5.1）

• Hadoop: 2.7+, 3.1+
• Hive: 0.13 - 1.2.1+
• HBase: 1.1+, 2.0
• Spark (可选) 2.1.1+
• Kafka (可选) 0.10.0+
• JDK: 1.8+
• OS: Linux only, CentOS 6.5+ or Ubuntu 16.0.4+
• HDP (官方已测试) 2.2 - 2.6 and 3.0
• CDH (官方已测试) 5.7 - 5.11 and 6.0

大数据环境要求（V2.4.X）

• Hadoop: 2.7+
• Hive: 0.13 - 1.2.1+
• HBase: 1.1+
• Spark (可选) 2.1.1+
• Kafka (可选) 0.10.0+
• JDK: 1.7+
• OS: Linux only, CentOS 6.5+ or Ubuntu 16.0.4+
• HDP (官方已测试) 2.2 - 2.6
• CDH (官方已测试) 5.7 - 5.11

从上述配置可以看到，最新版（V2.5.1）有了诸多的变化，支持了 Hadoop 3.1，HBase 2.0；JDK 需求为 JDK8；CDH 用户需要注意的是：V2.5 已经支持 CDH 6.0 了。

硬件配置

最低配置（官方网站）

• 4 core CPU
• 16 GB memory
• 100 GB disk

推荐配置（KAP 官方文档）

• 两路 Intel 至强处理器，6核（或8核）CPU，主频 2.3GHz 或以上
• 64GB memory
• 至少 1 个 1TB 的 SAS 硬盘（3.5寸），7200RPM，RAID1

安装包文件目录说明

• bin：Kylin 脚本所在目录，包括：启停管理、元数据管理、环境检查、创建样例等脚本；
• conf：Kylin 配置文件所在目录，包括：Hive、Job、Kylin 运行参数、Kylin Config 等；
• lib：Kylin JDBC 驱动，HBase Coprocessor 协处理器 jar 所在目录；
• meta_backups：Kylin 元数据备份目录；
• sample_cube：官方样例所依赖的脚本和数据；
• sys_cube：系统 Cube 构建所依赖的脚本；
• spark：默认为自带的 spark，图中是一个软连接，指向地址为单独部署的 Spark。

安装部署 Kylin

详细步骤可参考官方网站，下面简单介绍 Kylin 的安装步骤：

1. 从官方网站下载合适的版本；
2. 解压安装包，配置环境变量 KYLIN_HOME 指向 Kylin 文件夹；
3. 检查 Kylin 运行环境：$KYLIN_HOME/bin/check-env.sh；
4. 启动 Kylin：$KYLIN_HOME/bin/kylin.sh start；
5. 通过浏览器 http://hostname:7070/kylin 查看，初始用户名和密码为 ADMIN/KYLIN；
6. 运行 $KYLIN_HOME/bin/kylin.sh stop 即可停止 Kylin。

参数配置

配置文件一览

组件名	文件名	描述
Kylin	kylin.properties	Kylin 使用的全局配置文件
Kylin	kylin_hive_conf.xml	Hive 任务的配置项，在构建 Cube 的第一步通过 Hive 生成中间表时，会根据该文件的设置调整 Hive 的配置参数
Kylin	kylin_job_conf_inmem.xml	包含了 MR 任务的配置项，当 Cube 构建算法是 Fast Cubing 时，会根据该文件的设置调整构建任务中的 MR 参数
Kylin	kylin_job_conf.xml	MR 任务的配置项，当 kylin_job_conf_inmem.xml 不存在，或 Cube 构建算法是 Layer Cubing 时，会根据该文件的设置调整构建任务中的 MR 参数
Hadoop	core-site.xml	Hadoop使用的全局配置文件，用于定义系统级别的参数，如HDFS URL、Hadoop临时目录等
Hadoop	hdfs-site.xml	用于配置HDFS参数，如 NameNode 与 DataNode 存放位置、文件副本个数、文件读取权限等
Hadoop	yarn-site.xml	用于配置 Hadoop 集群资源管理系统参数，如 ResourceManader 与 NodeManager 的通信端口，web监控端口等
Hadoop	mapred-site.xml	用于配置 MR 参数，如 reduce 任务的默认个数，任务所能够使用内存的默认上下限等
Hbase	hbase-site.xml	用于配置 Hbase 运行参数，如 master 机器名与端口号，根数据存放位置等
Hive	hive-site.xml	用于配置 Hive 运行参数，如 hive 数据存放目录，数据库地址等

Hadoop 参数配置

• yarn.nodemanager.resource.memory-mb 配置项的值不小于 8192MB
• yarn.scheduler.maximum-allocation-mb 配置项的值不小于 4096MB
• mapreduce.reduce.memory.mb 配置项的值不小于 700MB
• mapreduce.reduce.java.opts 配置项的值不小于 512MB
• yarn.nodemanager.resource.cpu-vcores 配置项的值不小于 8

kylin.properties 核心参数

配置名	默认值	说明
kylin.metadata.url	kylin_metadata@hbase	Kylin 元数据库路径
kylin.env.hdfs-working-dir	/kylin	Kylin 服务所用的 HDFS 路径
kylin.server.mode	all	运行模式，可以是 all，job，query 中的一个
kylin.source.hive.database-for-flat-table	default	Hive 中间表保存在哪个 Hive 数据库中
kylin.storage.hbase.compression-codec	none	HTable 所采用的压缩算法
kylin.storage.hbase.table-name-prefix	kylin_	HTable 表名的前缀
kylin.storage.hbase.namespace	default	HTable 默认表空间
kylin.storage.hbase.region-cut-gb	5	region 分割的大小
kylin.storage.hbase.hfile-size-gb	2	hfile 大小
kylin.storage.hbase.min-region-count	1	最小 region 个数
kylin.storage.hbase.max-region-count	500	最大 region 个数
kylin.query.force-limit	-1	为select *语句强制添加 LIMIT 分句
kylin.query.pushdown.update-enabled	false	是否开启查询下压
kylin.query.pushdown.cache-enabled	false	开启查询是否缓存
kylin.cube.is-automerge-enabled	true	segment 自动合并功能
kylin.metadata.hbase-client-scanner-timeout-period	10000	HBase 扫描数据的超时时间
kylin.metadata.hbase-rpc-timeout	5000	执行 RPC 操作的超时时间
kylin.metadata.hbase-client-retries-number	1	HBase 重试次数

对上述参数的一些说明：

• kylin.query.force-limit 默认是没有限制，推荐设置为 1000；
• kylin.storage.hbase.hfile-size-gb 可以设置为 1，有助于加快 MR 速度；
• kylin.storage.hbase.min-region-count 可以设置为 HBase 节点数，强制数据分散在 N 个节点；
• kylin.storage.hbase.compression-codec 默认没有进行压缩，推荐在环境运行情况下配置压缩算法。

Spark 相关配置

所有使用 kylin.engine.spark-conf. 作为前缀的 Spark 配置属性都能在 $KYLIN_HOME/conf/kylin.properties 中进行管理，当然这些参数支持在 Cube 的高级配置中进行覆盖。下面是推荐的 Spark 动态资源分配配置：

//运行在yarn-cluster模式，当然可以配置为独立 Spark 集群：spark://ip:7077
kylin.engine.spark-conf.spark.master=yarn
kylin.engine.spark-conf.spark.submit.deployMode=cluster 

//启动动态资源分配
kylin.engine.spark-conf.spark.dynamicAllocation.enabled=true
kylin.engine.spark-conf.spark.dynamicAllocation.minExecutors=2
kylin.engine.spark-conf.spark.dynamicAllocation.maxExecutors=1000
kylin.engine.spark-conf.spark.dynamicAllocation.executorIdleTimeout=300
kylin.engine.spark-conf.spark.shuffle.service.enabled=true
kylin.engine.spark-conf.spark.shuffle.service.port=7337

//内存设置
kylin.engine.spark-conf.spark.driver.memory=2G

//数据规模较大或者字典较大时可以调大 executor 内存
kylin.engine.spark-conf.spark.executor.memory=4G 
kylin.engine.spark-conf.spark.executor.cores=2

//心跳超时
kylin.engine.spark-conf.spark.network.timeout=600

//分区大小
kylin.engine.spark.rdd-partition-cut-mb=100
复制代码

Cube Planner 相关配置

Cube Planner 是 V2.3 后添加的新功能，使用该功能可以在 Cube 创建成功后即可看到全部 Cuboid 的数目及组合情况；此外配置成功后，可以看到线上的 Query 与 Cuboid 的匹配情况，使得可以查看到热门、冷门甚至没有使用到的 Cuboid，借助这些可以指导我们对 Cube 构建进行二次优化；关于 Cube Planner 的使用，可以参考官方文档：kylin.apache.org/cn/docs/tut…。

参考文章

• Kylin 官方文档
• Kyligence_Enterprise_3_1-zh.pdf
• Kylin 2.0 Spark Cubing 优化改进

---

Any Code，Code Any！

扫码关注『AnyCode』，编程路上，一起前行。