本文都是我对kylin有一定了解后,再看权威指南时的笔记,有的只记下了自己认为重要的概念,有的几下自己没有掌握的概念,所以有一定片面性,如果您正在使用kylin,个人建议还是用一个下午看看kylin权威指南,比不懂概念一直找度娘省时高效。
维度和度量
维度是指审视数据的角度,它通常是数据记录的一个属性,例如时间地点等
度量是基于数据所计算出来的考量值,通常是一个数值,如销售额,不同的用户等
分析人员往往要结合若干个维度来审查度量值,以便在其中找到变化规律
在一个sql中group by属性就是一个维度,而所计算的指就是一个度量
事实表和维度表
事实表:FactTable,是指存储大量实际记录的表,通常为系统日志,销售记录等。会随着业务、时间增长;所以它的体积大于其他表
维度表:维表,DimensionTable,也成查找表,LookupTable;是与事实表相对应的表,保存的是维度属性值,可以和事实表做关联;相当于事实表中经常重复出现的属性提取、规范用一张表来管理。常见的维表有:日期表、地点表。使用维度表的好处:1、减少事实表的大小,2、便于维度的管理和维护,增删改维度的属性不会对事实表的大量记录进行改动,3、维度表可以为多个事实表重用,减少重复工作。
Cube、Cuboid和segment
Cube:对原始数据建立多维索引
Cuboid:某一种维度组合下的所有数据
segment:是指针对数据中的某一个片段,计算出来的Cube数据。
维度表的设计
维度表主键要唯一
维度表越小越好
维度表改变频率要低
维度表最好不要用Hive视图
Hive表分区
Kylin支持增量Cube创建,通常是按时间属性来增量地从Hive表中抽取数据。如果Hive表正好按此时间做分区的话,那么就可以利用hive分区的好处,每次在cube构建的时候都可以直接跳过不相干的日志数据,节省cube创建时间。在Kylin中叫
Partition Time Column,对应hive中的分区列
维度的基数
维度的基数(Cardinality)指的是该维度在数据集中出现的不同值得个数;例如“国家”是一个维度,如果有200个不同的值,那么此维度的基数就是200。通常一个维度从几十到几万个不等,个别维度如“用户ID”的基数会超过百万甚至千万。基数超过一百万的维度通常被称为高基数维度(Ultra High Cardinality,UHC),需要设计者注意
如果一个cu