kylin从入门到实战：实际案例

版权申明：转载请注明出处。
文章来源：http://bigdataer.net/?p=308

排版乱？请移步原文获得更好的阅读体验

前面两篇文章已经介绍了kylin的相关概念以及cube的一些原理，这篇文章将从一个实际的案例入手，介绍如何在kylin平台上创建一个多维分析项目。

1.创建project

进入kylin操作界面，如果没有project可以创建，kylin里面可以创建多个project，有效的把各种业务数据分析隔离开来。如图：

project

如下，填写project name，description可以不填

project

然后submit 提交，project创建成功。

2.添加数据源

点击DataSource选项卡->Load Hive Table

ds

填写hive表名，前面加上库名

ds

然后点击sync，导入数据源成功，可以看到如下信息：

ds

3.创建model

model

添加model name然后 next

model

选择刚才添加到数据源中的事实表，如果有Lookup Table也可添加，然后next

model

选择需要的维度

model

选择需要的指标

model

相关设置

model

partition date colume表示分区字段，选择hive表中按时间分区的字段。然后从date format中选择不同的时间格式。最下面的filter可以添加where条件对数据源中的数据做过滤。
至此，model创建完成。

4.创建cube

下面进入关键环节创建cube。
类似于创建model，创建cube。选择之前创建好的model，并填入cube name。notification email list是选填项，表示报警接收人邮件地址，多个邮件地址以逗号隔开。

cube

然后next。选择dimession，有两种方式：一是手动添加dimession，二是使用自动生成，我们这里使用自动生成，然后勾选需要的字段。

cube

cube

然后next,选择指标

cube

count(1)是系统默认自带的，不要删除。
点击+号添加需要的指标，需要填入名称，选择表达式。这里选择的是sum。我们要针对disp加和求pv，在param value里面选择disp列。
需要注意的是kylin中hive表中每一列字段的类型要求比较严格。dimession字段需要为String，用来加和的指标字段须为bigint或者decimal
添加了所有需要的指标后，点击next

cube

设置merge时间。Kylin每次build会生成一张hbase表，merge操作会把多天数据合并成一张新的hbase表。可加快查询。
设置partition Start Date，即数据源开始时间，默认为1970-01-01.点击Next.

cube

Mandatory Dimensions：每次查询均会使用的维度可添加在此。比如某些情况下的partition column.
Hierarchy Dimensions：维度列中彼此间存在层级关系的列，比如“国家-省份-市-县”
Joint Dimensions：每次查询会同时使用或不使用的维度组合。
Aggregation Group:在不同的查询中，两组维度组合之间不会产生交叉，可选择此选项，比如所有的cube维度有 [ a,b,c,d,e,f ] 6个，每次查询中只会同时查与 [ a,b,c ] 相关的信息（比如[a],[a,c]等）而不会查询 [ d,e,f ]，或者相反，则可选择此选项。
以上选择均可减少build过程中的数据量，是加快build与query速度的优化点之一。
接下来基本上就是next，然后保存，如果没有报错，则证明cube创建成功，如下图

cube

5.cube其他操作

最常用的就是build操作，它会根据我们创建的cube进行数据的预计算。

build

选择构建的终止时间，然后提交，之后可以在monitor中看到cube构建的状态。

build

其他操作说明：
Drop：丢弃现有cube，条件：无Pending, Running, Error 状态的job.

Edit：编辑现有cube，条件：cube需处于disable状态。
Refresh：重建某已有时间段数据，针对于已build时间段的源数据发生了改变的情况。
Merge：手动触发merge操作。
Enable：使拥有至少一个有效segment的cube从disable变为enable状态。
Purge：清空所有该cube的数据。
Clone：克隆一个新的cube，可设置新的名字，其他相关配置与原cube相同。
Disable：使一个处于ready状态的cube变为Disable状态，查询不会从disable的cube中获取数据。

6.查询操作

数据预计算完成后就可以进行查询了，查询过程中也可以验证cube创建的是否有问题。有两种查询方式：一种是通过kylin的web界面，一种是使用kylin提供的rest api。下面分别介绍。
（1）web查询。进入insight，输入sql语句,等待查询结果，和一般的数据库客户端类似。
（2）rest api。举例如下：
假如需要查询的sql语句为：“select sum(disp) as pv from t_table group by td,bd”
kylin账户的账号密码为：“kylinid:passwd”,对其进行base64加密。secret=echo -n “kylin_id:password” | base64
使用的project为：my_kylin_project
接口地址为：http://localhost:7070/kylin/api/query
则请求为：

curl -X POST -H "Authorization:Basic ${secret}" -H "Content-Type:application/json" -d '{ "sql" : "select sum(disp) as pv from t_table group by td,bd", "project" : "my_kylin_project" }' http://localhost:7070/kylin/api/query

更多文章请关注微信公众号:bigdataer