你好,游客 登录 注册 搜索
背景:
阅读新闻

Apache Kylin:基于Hadoop的OLAP引擎

[日期:2016-10-14] 来源:InfoQ  作者:刘一鸣 翻译 [字体: ]

  传统上,Hadoop(包括MapReduce,Pig以及Hive)通常用于外部私有 OLAP Cube 引擎准备数据。如今,Zaloni的客户基于 Apache Kylin 的OLAP技术实现了实时查询的能力,这些Cube的事实表包含了400亿条以上的原始数据。我们正在帮助客户统一归集来自于多个独立系统的账单数据,并构建OLAP Cube以支持实时分析,这是以前系统所无法实现的。现在,Hadoop集群都可以做到了。

Hadoop

  基于Hadoop的分析演化

  Hadoop已经从通用计算能力(MapReduce)的分布式数据平台演化为一个更强大的平台。Hadoop及其生态系统已经有能力处理更广泛的用例,远超最初设计时的低成本分布式批处理能力。支持了从迭代式的机器学习算法,到 OLAP 及 OLTP 系统,这些基于“hadoop集群”的开源分析能力给传统的大玩家们(Oralce,SAS,Teradata,IBM等)带来了很大的压力。

  为规模设计

  Apache Kylin是开源的多维在线分析处理引擎(MOLAP),名字来源于中国的一种神兽“麒麟”。项目最初诞生于eBay,专为分析处理PB级数据集而设计。这里引用一段Apache 基金会2015年12月的Blog :“Apche Kylin是目前为止大数据领域最好的OLAP引擎”,eBay数据服务与解决方案部门高级总监Wilson Pang说到,“在eBay,我们收集用户在每一个页面的每一个行为。当其他OLAP引擎挣扎于数据量的极大膨胀时,Kylin可以在毫秒级获得查询响应。除此之外,基于Kylin我们还实现了近实时的数据流存储和分析。总之,Kylin在eBay产品分析平台中扮演了至关重要的后台核心组件角色。”

  如何工作

  Kylin通过预计算实现查询速度的提升,利用 Hive 查询计算多个维度的组合(译者注:此处原文有误,正确应为,Kylin是通过Hive获取数据源,并利用MapReduce计算多个维度的任意组合),计算各类指标的聚合值,并将这些中间结果保存在 HBase 中。Kylin拥有用户友好的查询界面,也支持通过API和JDBC、ODBC提交查询。查询引擎基于 Apache Calcite 查询处理器和HBase的检索功能(比如fuzzy row filters)实现结果集快速获取。HBase的rowkeys利用 Trie Data Structure 技术实现维度字段字典数据的高效压缩。

  当前,Kylin只支持 星型模型 ,因此每个Cube只能有单一的事实表。

  建模向导

  设计Cube很容易。假设你已经有了一张Hive的表,建模向导将帮助你一步步走完设计的流程,包括选择维度(包括层级维度),选择维表,选择指标等。也支持按照日期时间分区,使得Cube分段刷新易如反掌,这广泛用在了流数据的增量式构建。一旦Cube定义好了,我们通过Kylin的监控界面查看Cube的构建进度。

  除了原生的Kylin Web界面,你可以通过JDBC查询OLAP Cube,也可以通过Zeppelin(Zeppelin已经内置了Kylin的解释器),或者设计良好的REST API。

  基于Hadoop的OLAP的其他选项

  Kylin是基于Hadoop的OLAP技术的一个开源选项。 Apache Lens 是另一个,它是一个 ROLAP 解决方案,并不能实现Kylin这种预计算技术所能达到的快速查询响应能力。 Druid 也是一个选项,它采用了自己的集群技术(并不依赖Hadoop)。也有一些第三方的解决方案,声称支持Hadoop之上的OLAP能力。

  作者:Craig Lukasi,本文已获翻译授权。

 

  查看英文原文 : http://blog.zaloni.com/apache-kylin-for-olap-on-hadoop





收藏 推荐 打印 | 录入:elainebo | 阅读: