分布式大数据多维数据分析(olap)引擎kylin
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
- ##HBASE
- export HBASE_HOME=/opt/hbase-0.98.6-cdh5.2.0
- export HBASE_CONF_DIR=/etc/hbase/conf
- ##HADOOP
- export HADOOP_HOME=/opt/hadoop-2.3.0-cdh5.0.0
- export HADOOP_CONF_DIR=/etc/hadoop/conf
- export YARN_CONF_DIR=/etc/hadoop/conf
- ##HIVE
- export HIVE_HOME=/home/liuxiaowen/apache-hive-2.0.0-bin
- export HCAT_HOME=$HIVE_HOME/hcatalog
- export HIVE_CONF=$HIVE_HOME/conf
- ##KYLIN
- 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：
- Caused by: java.lang.IncompatibleClassChangeError:
- 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
- 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：
- Hive中分析好事实表；
- Kylin中建立项目(project)；
- Kylin中建立数据源；
- Kylin中建立数据模型；
- Kylin中建立Cube；
- Build Cube；
- 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。