在大数据领域，有很多新兴或成熟的技术满足了我们对数据处理的各种需求，有专注于文件系统的，有专注于数据存储的，有解决资源协调问题，也有像Apache Kylin[1]（下文统称Kylin）这种基于Hadoop的OLAP引擎等。当这些技术满足了我们各个环节的需求把数据处理好后，我们就回到了最初的目标，数据分析。Apache Zeppelin[2]（下文统称Zeppelin）即是一个试图在此领域助我们一臂之力的项目。
实际工作中，我们的数据会以多种多样的形式存在，可能存在某个文本中，可能存在Hive表里，也可能存在MySql里等等。面对多种环境，一个数据分析人员需要在各种环境间切换，获取他们想要的数据，数据获取到后觉得不够直观，还需要通过Excel等工具进行处理，做成表格画成图表。有没有这样一个项目，不管后端基于什么语言什么环境，只需要通过一个浏览器登陆一个页面便可获取数据，如果在数据展示方面做的再丰富些那就更好了。Zeppelin便能满足这样的需求。当然，Zeppelin的能力不仅仅这些，本文将侧重介绍Zeppelin与Apache Kylin在数据可视化上面的结合运用。
本文假设读者已经对Apache Kylin有所了解，可以访问Apache Kylin的主页 www.kylin.io 进一步了解，Apache Kylin 是一个开源的分布式查询引擎，提供基于Hadoop之上的SQL查询接口及多维分析(OLAP)能力以支持超大规模数据，最初由eBay Inc. 开发并贡献至开源社区，并于2014年11月加入Apache孵化器项目，于2015年11月正式毕业成为Apache顶级项目。
本文将通过使用Apache Zeppelin查询构建于Apache Kylin中的航班信息数据并可视化来介绍相关内容，特别是Zeppelin和Kylin的整合，二次开发等。
安装Apache Kylin
首先，我们需要把Kylin环境搭建好，已经安装好Kylin的读者可以跳过这步。
Kylin官方网站有非常详细的安装介绍[3]，这里针对想要尝试Kylin的读者做个简单介绍。Kylin是运行在hadoop环境上的，简单起见，可以下载Oracle VirtualBox+ Hortonworks Sandbox搭建示例环境。
Kylin是基于Hadoop之上的OLAP分析引擎，所以我们假设您有OLAP相关基础，对星型模型(Star-Schema)这些基本概念都有了解，在搭建好Hadoop环境后，我们需要准备一些测试数据，导入数据源到Hive中。一个简单的办法是把测试数据放到CSV文件中并传到HDFS目录下，然后针对文件创建Hive的external table，确保在Hive中可以查到对应的表和数据。数据准备好后，我们就可以下载Kylin的二进制安装包进行安装，具体请参考安装文档。
接下来在Web端的步骤可概括为
- 创建项目 –为不同目的，用户组等创建不同的项目
- 导入Hive元数据 –同步需要查询的Hive表元数据信息
- 创建立方体 –针对Hive表创建Cube，定义表与表的关联关系，定义维度和度量等信息
-创建立方体 –接下来需要对数据进行计算，计算的结果就是我们最后查询的SQL会去映射的结果
-SQL查询– 构建成功后我们就可以体验到Kylin是如何快速查询超大规模数据了，再也不用一个SQL下去后在电脑面前慢慢等了！
安装Apache Zeppelin
Zeppelin在0.5.5版本之后加进了对Kylin的支持，我们目前可以直接下载Zeppelin v0.5.5的源代码进行编译，或者直接下载二进制包直接运行：
tar -xvzf zeppelin-0.5.5-incubating-bin-all.tgz
（该版本下载链接如有变动，可关注Zeppelin官网或通过Zeppelin邮件列表获取最新信息，关于如何参与到Zeppelin社区本文末尾会介绍）
运行Zeppelin
解压后对应生成目录 zeppelin-0.5.5-incubating-bin-all,目录下有bin conf logs等子目录,直接通过bin下的zeppelin-damenson.sh脚本便可完成zeppelin的启动和停止。
假设当前在 zeppelin-0.5.5-incubating-bin-all 目录下
启动：bin/zeppelin-daemon.sh start
停止：bin/zeppelin-daemon.sh stop
启动成功后，登陆Zeppelin客户端，地址：http://{hostname}:8080,可看到下图页面
（注意，如果默认的8080端口已经被占用，启动将会失败，打开页面后右上角也不会出现绿色的Connected 图标。可到logs目录下查看log文件确定失败原因，如果是端口原因，那我们只需要创建并修改下配置文件的端口信息即可。配置也很简单，直接到conf目录下可看到文件 zeppelin-site.xml.template 复制文件，去掉后缀.template 重命名得到zeppelin-site.xml文件，找zeppelin.server.port修改为能用的端口即可。）
Kylin参数配置
Kylin Interpreter已经集成到Zeppelin 0.5.5的主代码中，所以直接在Zeppelin的配置页面可以找到Kylin配置信息。启动Zeppelin后，在主页点击header上的 Interpreter到该页面找到Kylin配置栏填上配置信息。
Kylin Interpreter主要功能是把前台的配置信息和要运行的SQL转换成一个HTTP请求以获取结果，然后按照Zeppelin的规范转换格式，主要就是完成一次HTTP请求，并把自己项目的查询结果按照Zeppelin的规范格式化，这样就能配合前端展示。所以这里的配置参考Kylin Query API即可，默认修改URL，账号，密码，Project信息即可，更多关于Kylin API信息点这里(http://kylin.apache.org/docs/howto/howto_use_restapi.html)。
创建Note
通过header上的NoteBook->Create New Note
在输入框开头加上%kylin,后面空格跟上需要运行SQL即可，可以体验Kylin在超大规模数据集上的查询性能！
多图表演示结果
发布链接
对于查询结果Zeppelin可以将结果发布为一个链接，让你内嵌到其他需要的网页中，这个功能非常实用。实际应用中有很多需求需要把Kylin的查询结果做成Dashboard展示，结合Zeppelin这个功能可以直接省去相关开发工作，更有效的关注在数据及业务上。
就这几步，非常简单，感兴趣的同学可以立刻动手试下。
关于参与到Apache开源社区
Apache Zeppelin的Kylin模块是本人和同事一起合作开发并提交到Zeppelin社区的，可能有很多开发者也很想参与到开源项目中来但是不太熟悉流程，本人结合自己经验简单介绍下希望能够对不熟悉的朋友有所帮助。
所有Zeppelin的项目都放在GitHub上，我们只需要把代码fork过来在本地开发测试好，然后再pull request即可。Zeppelin会有其他开发者一起帮忙review你的代码，代码中的错误，Test Case等都会影响代码的合并。Zeppelin中加入了checkstyle 插件，稍微有点格式不符合定义的规范就无法通过，要把这些基本的配置好，在本地跑maven命令保证编译和测试通过没有错误再pull request。
另外一个好的习惯是订阅Apache项目的邮件列表，这样才能及时看到项目的开发信息，有问题直接在里面提会有很好的响应。关于Apache Kylin的邮件列表这个页面有详细说明(http://kylin.apache.org/community/)。如果想参与到Apache Zeppelin社区，可阅读下这个页面 (https://zeppelin.incubator.apache.org/docs/development/howtocontribute.html)。
关于参与到Apache开源社区的益处有很多，一方面，可以实时看到项目的进展，与核心开发者互动，对项目的了解会更加深入，这种互动的过程是比只看书或网上浏览要好很多，也比通过Google搜索问题要高效很多。其次，所有的交流都是基于英文的，对于国内开发者可以在交流技术的同时把自己的英文也提高，建议不要用中文提问，因为我们面对的是全球各地的开发者，英文可以让更多的人参与进来。
附:
- Apache Kylin 主页：https://kylin.apache.org/
- Apache Zeppelin主页：https://zeppelin.apache.org/
- Apache Kylin Install：http://kylin.incubator.apache.org/docs/install/index.html
作者简介
仲俭，Apache Kylin PMC 成员，eBay软件工程师，目前主要专注于Kylin的前端及REST Service，Apache Zeppelin中Kylin Interpreter模块主要开发者，12年加入eBay从事自动化工具开发，14年加入Kylin小组,致力为Kylin社区提供支持和帮助。
（责编/仲浩）
2937
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
