CC00022.kylin——|Hadoop&OLAP_Kylin.V22|——|Kylin.v22|Cube优化|Rowkeys|编码/顺序/分片|

一、Rowkeys

### --- Rowkeys

~~~     简单的说Cuboid的维度会映射为HBase的Rowkey，Cuboid的指标会映射为HBase的Value。

二、Rowkeys示例说明

### --- Rowkeys示例说明

~~~     # 如上图原始表所示：
~~~     Hive表有两个维度列year和city，有一个指标列price。

~~~     # 如上图预聚合表所示：
~~~     我们具体要计算的是year和city这两个维度所有维度组合(即4个cuboid)下的sum(priece)指标，
~~~     这个指标的具体计算过程就是由MapReduce完成的。

~~~     # 如上图字典编码所示：
~~~     为了节省存储资源，Kylin对维度值进行了字典编码。图中将beijing和shanghai依次编码为0和1。

~~~     # 如上图HBase KV存储所示：

~~~     在计算cuboid过程中，会将Hive表的数据转化为HBase的KV形式。
~~~     Rowkey的具体格式是cuboid id + 
~~~     具体的维度值(最新的Rowkey中为了并发查询还加入了Shard Key)，
~~~     以预聚合表内容的第2行为例，其维度组合是(year，city)，
~~~     所以cuboid id就是00000011，cuboid是8位，具体维度值是1994和shanghai，
~~~     所以编码后的维度值对应上图的字典编码也是11，所以HBase的Rowkey就是0000001111，
~~~     对应的HBase Value就是sum(priece)的具体值。
~~~     所有的cuboid计算完成后，会将cuboid转化为HBase的KeyValue格式生成HBase的HFile，
~~~     最后将HFile load进cube对应的HBase表中。

三、编码

### --- 编码

~~~     Kylin 以 Key-Value 的方式将 Cube 存储到 HBase 中，HBase 的 key就是 Rowkey，
~~~     是由各维度的值拼接而成的。为了更高效地存储这些值，Kylin 会对它们进行编码和压缩；
~~~     每个维度均可以选择合适的编码方式，默认采用的是字典(Dictionary)编码技术。

### --- 字段支持的基本编码类型如下：

~~~     # Dictionary：
~~~     字典编码将所有此维度下的值构成一张映射表，从而大大节约存储空间，适用于大部分字段，
~~~     默认推荐使用。Dictionary产生的编码非常紧凑，尤其在维度的值基数小且长度大的情况下。
~~~     但在超高基情况下，可能引起内存不足的问题，
~~~     在Kylin中字典编码允许的基数上限默认是500万(由参数kylin.dictionary.max.cardinality 配置)

~~~     # boolean：
~~~     适用于字段值为true, false, 
~~~     TRUE, FALSE, True, False, t, f, T, F, yes, no, YES, NO, Yes, No, y, n, Y, N, 1, 0

~~~     # integer：
~~~     适用于字段值为整数字符，支持的整数区间为[ -2^(8N-1), 2^(8N-1)]

~~~     # date：
~~~     适用于字段值为日期字符，
~~~     支持的格式包括yyyyMMdd、yyyy-MM-dd、yyyy-MM-dd HH:mm:ss、yyyy-MM-dd HH:mm:ss.SSS

~~~     # time：
~~~     适用于字段值为时间戳字符，支持范围为[1970-01-01 00:00:00, 2038/01/19 03:14:07]，
~~~     毫秒部分会被忽略，time编码适用于 time、datetime、timestamp 等类型

~~~     # fix_length：
~~~     适用于超高基场景，将选取字段的前 N 个字节作为编码值，
~~~     当 N 小于字段长度，会造成字段截断，当 N 较大时，造成 RowKey 过长，
~~~     查询性能下降，只适用于 varchar 或 nvarchar 类型

~~~     # fixed_length_hex：
~~~     适用于字段值为十六进制字符，比如 1A2BFF 或者 FF00FF，每两个字符需要一个字节，
~~~     只适用于 varchar 或 nvarchar 类型

四、顺序

### --- 顺序
~~~     各维度在 Rowkeys 中的顺序，对于查询的性能会产生较明显的影响；
~~~     在这里用户可以根据查询的模式和习惯，通过拖曳的方式调整各个维度在Rowkeys上的顺序。

~~~     # 推荐的顺序为：
~~~     Mandatory 维度
~~~     where 过滤条件中出现频率较多的维度
~~~     高基数维度
~~~     低基数维度放后面
~~~     不常用的维度放在后面
~~~     这样做的好处是，充分利用过滤条件来缩小在 HBase 中扫描的范围，从而提高查询的效率。

五、分片

### --- 分片

~~~     指定 ShardBy 的列，明细数据将按照该列的值分片；
~~~     没有指定 ShardBy 的列，则默认将根据所有列中的数据进行分片；
~~~     选择适当的 ShardBy 列，可以使明细数据较为均匀的分散在多个数据片上，提高并行性，
~~~     进而获得更理想的查询效率；
~~~     建议选择基数较大的列作为 ShardBy 列，避免数据分散不均匀。