Kylin基本介绍、特点、架构

1. Kylin的基本介绍

Kylin是一种MOLAP(Multidimensional OLAP)，基于多维数据集，需要预计算。另一种OLAP是ROLAP(Relational OLAP)，基于关系型数据库，不需要预计算，例如Presto

一个多维数据集称为一个OLAP Cube，例如城市、品类、月份这三个维度，形成共七种组合的数据集。Cuboid是其中的一个组合数据集，例如城市、品类组合形成的数据集

2. Kylin的特点

• 可伸缩性
• 支持标准SQL接口
• 支持标准数据库协议，可以集成各种BI工具。ODBC可以与Tableau、Excel、PowerBI 等工具集成。JDBC与Saiku、BIRT等Java工具集成。RestAPI可以与JavaScript、Web网页集成
• 推出了MDX工具，可以以Kylin为数据源，对接多种数据分析工具，比如Excel、Tableau等。这样Excel就能通过MDX查询Kylin的数据了
• Kylin还开发了Zepplin的插件，可以使用Zepplin来访问Kylin服务
• 单节点Kylin可实现每秒70个查询，还可结合Zookeeper搭建Kylin集群

3. Kylin的架构

1. REST Server
   是应用程序的入口点，为应用程序提供查询、获取结果、触发cube构建任务、获取元数据以及获取用户权限等

2. 查询引擎(Query Engine)
   当cube准备就绪后，查询引擎就能够获取并解析用户查询。它随后与系统中的其它组件进行交互，从而向用户返回对应的结果

3. 路由层(Routing)
   Routing路由层先从数据储存层的Cubes进行查询，如果查询不到，则从数据源层Hive(查询引擎是Spark)进行查询

4. 数据储存(Cubes)

把所有的数据按照文件存储，每个Segment会存在一个对应的HDFS的目录，所有的构建、查询都是直接通过读写文件的方式。对于小查询的性能会有一定损失，但对于复杂查询带来的提升是更可观的的

5. 元数据管理工具(Metadata)
   用于Kylin的所有元数据进行管理，包括cube元数据

6. 任务构建引擎(Cube Build Engine)
   构建引擎最终得到的数据存放到Parquet文件当中。构建过程分为两大步，第一步进行资源探测，收集构建Cube所需要的元数据信息。第二步使用Spark引擎去计算和构建