分析师的挑战
在大数据时代,使用传统数据处理方式已经无法满足企业大规模数据的增长,而人工智能和 IoT 时代的到来让处理超大规模数据,解读超大规模数据的需求更加迫在眉睫。分析和理解超大规模数据集就成为这些企业要解决的当务之急。
Apache Kylin 开源 OLAP on Hadoop引擎
现代企业使用联机分析处理 ( OLAP ) 技术来分析数据,生成报表,从而帮助业务人员制订商务决策。随着大数据时代的来临和 Hadoop 技术的兴起,基于大数据平台的 OLAP 分析又给拥抱大数据的企业带来新的挑战。
Apache Kylin[1] 作为 Apache 基金会首个开源的 OLAP 分析引擎,已在全球得到了广泛的应用。Kylin采取预计算技术,可以为分析师在超大规模数据集上(PB/TB 级)提供亚秒级查询能力。Kylin 专注于 OLAP 计算引擎,提供很精妙的技术设计: Kylin 的数据源除了可以来自于 Hadoop 上的 Hive 数仓,还可以接收 Kafka 传递而来的流式数据; Cube 构建引擎可以用 MapReduce,一些构建步骤为了性能考量还可以选择使用 Spark;构建好的 Cube 默认存储在 HBase 中; 查询则采用业界最普遍使用的 ANSI-SQL 查询,分析师原有的 SQL 查询、报表、分析等可以轻松迁移到 Kylin。
查询接口上 Kylin 已经做到 ODBC/JDBC/RESTful 方式,这给第三方集成提供了巨大想像空间.
这里请读者留意,Kylin 设计精妙是指,Kylin 松耦合的设计完全可以让数据源,计算引擎,Cube 存储根据您自己使用场景而来做个性化定制——选择权在您手里。
• 高性能高并发: 支持TB到PB的数据规模上的亚秒级查询。
• 易于使用: 提供易用的 ODBC/JDBC/RESTful API 供使用和与第三方工具集成。
• 经济性: 一次构建可使得查询提速千百倍;查询越多越经济。
分析师期待可以快速的从不同的角度分析数据的情况,Kylin 作为 OLAP 引擎可以实现亚秒级查询响应,很好地解决了分析师面临的一个查询等待个把小时的窘境;有了数据处理的引擎,企业在赋能其数据科学团队,工程师和业务分析师进行基于数据的业务决策时,在前端仍需要的丰富的可视化图形,排序过滤等基础报表需求,对于高级分析师,使用其熟悉的 SQL 对数据进行再次加工处理也是非常有必要的。
针对以上问题,同样作为 Apache 软件基金会正在孵化项目的 Superset 便成为不二之选.
Superset 充满活力的企业级商业智能平台
Superset 是一个数据探索和可视化平台,设计用来提供直观的,可视化的,交互式的分析体验。
Superset 提供了两种分析数据源的方式:
-
用户可以以单表形式直接查询多种数据源,包括 Presto、Hive、Impala、SparkSQL、MySQL、Postgres、Oracle、Redshift、SQL Server、Druid 等。本文后续内容也会详细介绍Superset如何支持Kylin数据源。
-
一个 SQL 的 IDE 供高级分析师使用 SQL 查询定义所需要分析的数据集,这种方法使用户在一个查询中实现用 Superset 查询数据源的多表,并立即对查询进行可视化分析。
Superset 的前世今生
Superset 起源于 2015 年初黑客马拉松项目,曾经使用过 Caravel 和 Panoramix 作为项目名。现在主要维护小组是 Airbnb 数据科学组,代码托管在 Github。作为 Apache 软件基金会孵化项目,Superset 目标是要做成数据可视化平台。
Superset 对于数据源端通过一个成熟的 OR-Mapping 方案对接了几乎市面上所有数据库产品,数据的分析和建模再使用 Pandas 统一加工序列化后由前端渲染展示. 进而前端渲染出众多富有表现力的可视化图表