前提:
安装kylin之前,需要安装hadoop2.0、hbase、hive,并且对版本有要求,可以参照官网链接
http://kylin.apache.org/cn/docs/install/index.html
我这边用的版本为:
hadoop2.7.5
hbase1.4.1
hive2.3.2
安装可以参考我前面的博客
kylin安装:
wget http://www.apache.org/dyn/closer.cgi/kylin/apache-kylin-2.4.1/apache-kylin-2.4.1-bin-hbase1x.tar.gz -C /usr/local/src
tar -zxvf apache-kylin-2.4.1-bin-hbase1x.tar.gz
mv apache-kylin-2.4.1-bin /usr/local/kylin
加入到环境变量:
vim ~/.bashrc
KYLIN_HOME=/usr/local/kylin
PATH=$PATH:$KYLIN_HOME/bin #刷新环境变量
source ~/.bashrc
检测kylin环境是否有问题:
/usr/local/kylin/bin/check-env.sh
启动kylin:
/usr/local/kylin/bin/kylin.sh start
kylin登录:
链接:192.168.1.99:7070/kylin/
用户名:ADMIN
密码:KYLIN
添加一个project:
添加完之后,选择该project
同步hive表到kylin:
点击之后,同步自己需要操作数据库的表
构建一个model:
1. Models->new->New Model
2. Model Info
3. Data Model (添加 Fact Table)
其中Add Lookup Table可以做一些表与表之间的关联,如同这种格式(以下我是同一张表进行join,Table Alias可以自己设置,不要重名)
4. 构建维度表
维度表是与事实表相对应的一种表;它保存了维度的属性值,可以跟事实表做关联;相当于将事实表上经常重复的属性抽取、规范出来用一张表进行管理
选择维度表的字段:
假如我现在要计算每天(datetime)各种频道(channelid)下,不同节目(p1)对应的事件(eventid)的数量,其中datetime作为条件,其它三种为group by/order by必须字段,得这四种必须作为维度表中的字段,才能得到最后结果
5. 构建度量
说明:如果是上面只需得到数量(count),则measures不需要添加任何字段;
如果得到的结果需要涉及某个字段,如:需统计每天(datetime)各种频道(channelid)下,不同节目(p1)对应的总收入(price),则需要把price字段添加进来(dimensions和measures都必须是事实表中的字段,还不能重复)
6. Settings
说明:主要是针对增量构建,其中事实表中需要有对应的日期字段,下图中事实表SODA_REPORT有日期字段DATETIME(yyyyMMdd),格式需要对应一致;如果你还有时间字段并且需要添加,则如下图所示:
其中还有过滤条件,如果我只需要eventid为101和102,则
最后保存即可
构建一个cube:
说明:对于N个维度来说,组合所有可能性共有2的N次方种。对于每一种维度的组合,将度量做聚合计算,然后将运算的结果保存为一个物化视图,称为Cuboid。所有维度组合的Cuboid作为一个整体,被称为Cube。
如:xxx_report包含datetime/channeled/p1/eventid四个维度,那么所有维度的组合就有2的4次方,即16种,计算Cubiod,即按维度来聚合
Select channeled, eventid, p1, count(*) as c_count from xxx_report \
where datetime=’20180918’ group by channeled, eventid, p1
将计算的结果保存为物化视图,所有Cuboid物化视图的总称就是Cube。
1. Cube Info
2. Dimensions
说明:增加你需要用到维度表的字段,我这里全选
3. Measures
说明:按默认求count就行,因为之前构建model的时候,measure(度量)我们没有添加任何字段,如果前面添加过,我们可以用SUM、MAX、MIN等函数
4. Refresh Setting
说明:这一步主要是为增量构建cube设计的
Auto Merge Thresholds:自动合并小的segments到中等甚至更大的segment。如果不想合并,则删除默认2个选项
Volatile Range:默认为0,会自动合并所有可能的cube segments,或者用“Auto Merge”将不会合并最新的[Volatile Range]天的cube segments
Retention Threshold:只会保存cube过去几天的segment,旧的segment将会自动从头部删除,0表示不启用这个功能
Partition State Date:cube的开始日期
5. Advanced Setting (高级设置)
说明:
Aggregation Groups: Cube 中的维度可以划分到多个聚合组中。默认 kylin 会把所有维度放在一个聚合组,当维度较多时,产生的组合数可能是巨大的,会造成 Cube 爆炸;如果你很好的了解你的查询模式,那么你可以创建多个聚合组。在每个聚合组内,使用 “Mandatory Dimensions”, “Hierarchy Dimensions” 和 “Joint Dimensions” 来进一步优化维度组合。
Mandatory Dimensions: 必要维度,用于总是出现的维度。例如,如果你的查询中总是会带有 “ORDER_DATE” 做为 group by 或 过滤条件, 那么它可以被声明为必要维度。这样一来,所有不含此维度的 cuboid 就可以被跳过计算。(比如,Mandatory Dimensions设置为p1,所有不包含该维度p1的cuboid会被跳过计算,当我们查询select channeled, count(*) from soda_report where datetime=’20180919’ group by channeled时,没有现成的完全匹配的 Cuboid,Kylin 会通过在线计算的方式,从现有的 Cuboid 中计算出最终结果)
Hierarchy Dimensions: 层级维度,例如 “国家” -> “省” -> “市” 是一个层级;不符合此层级关系的 cuboid 可以被跳过计算,例如 [“省”], [“市”]. 定义层级维度时,将父级别维度放在子维度的左边。
Joint Dimensions: 联合维度,有些维度往往一起出现,或者它们的基数非常接近(有1:1映射关系)。例如 “user_id” 和 “email”。把多个维度定义为组合关系后,所有不符合此关系的 cuboids 会被跳过计算。
6. configuration Overwrites
说明:Kylin允许在Cube级别覆盖部分kylin.properties中的配置,你可以在这里定义覆盖的属性,如果不需要,则Next
7. Overview(概述)
对cube进行build:
说明:build开始时间是在构建cube的时候设置,结束时间自己设置,等到下次build的时候,上次的end_date为这次的start_date
通过点击monitor来查看build的进展情况,以下是我完成的增量build:
Kylin中Cube的Build过程,其实是将所有的维度组合事先计算,存储于HBase中,以空间换时间,HTable对应的RowKey,就是各种维度组合,指标存在Column中,这样,将不同维度组合查询SQL,转换成基于RowKey的范围扫描,然后对指标进行汇总计算。
测试:
查看20180917当天,各种频道(channelid)下,不同节目(p1)对应事件(eventid)的数量,如图所示