温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。
Fayson的github:https://github.com/fayson/cdhproject
提示:代码块部分可以左右滑动查看噢
1.文档编写目的
Apache Kylin是一个开源的分布式分析引擎,提供Hadoop/Spark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开发并贡献至开源社区。它能在亚秒内查询巨大的Hive表。
具体功能如下:
1.可扩展超快OLAP引擎:
- Kylin是为减少在Hadoop/Spark上百亿规模数据查询延迟而设计
2.Hadoop ANSI SQL 接口:
- Kylin为Hadoop提供标准SQL支持大部分查询功能
3.交互式查询能力:
- 通过Kylin,用户可以与Hadoop数据进行亚秒级交互,在同样的数据集上提供比Hive更好的性能
4.多维立方体(MOLAP Cube):
- 用户能够在Kylin里为百亿以上数据集定义数据模型并构建立方体
5.与BI工具无缝整合:
- Kylin提供与BI工具的整合能力,如Tableau,PowerBI/Excel,MSTR,QlikSense,Hue和SuperSet
6.其他特性:
- Job管理与监控
- 压缩与编码
- 增量更新
- 利用HBase Coprocessor
- 基于HyperLogLog的Dinstinc Count近似算法
- 友好的web界面以管理,监控和使用立方体
- 项目及表级别的访问控制安全
- 支持LDAP、SSO
以上内容来自Kylin的Apache社区官网,具体参考:http://kylin.apache.org/cn/,本文主要描述如何在CDH集群中部署及使用Kylin。
1.下载Kylin
2.部署Kylin
3.Demo1
4.Demo2
测试环境
1.RedHat7.4
2.CM/CDH5.13.3
3.Apache Kylin2.1.0
4.集群未启用Kerberos
1.CDH集群正常运行
2.Hive,HBase服务运行正常
3.安装Kylin服务的节点已经部署Hive Gateway
2.下载Kylin
社区版kylin下载地址:https://archive.apache.org/dist/kylin/ ,本次测试使用apache-kylin-2.1.0
3.部署Kylin
这里测试只部署了一个节点,实际生产可以部署多个节点,kylin是无状态的,前端做负载均衡。
1.上传kylin包至服务器
2.解压至/usr/local目录,并建软链接
[root@hadoop3 ~]# tar -zxvf apache-kylin-2.1.0-bin-cdh57.tar.gz -C /usr/local/
[root@hadoop3 ~]# cd /usr/local/
[root@hadoop3 local]# ln -s apache-kylin-2.1.0-bin-cdh57/ kylin
(可左右滑动)
3.Kylin环境配置
主要配置kylin的home目录及java环境变量,配置如下:
[root@hadoop3 kylin]# vim ~/.bashrc
export JAVA_HOME=/usr/java/jdk1.7.0_67-cloudera
export KYLIN_HOME=/usr/local/kylin
export PATH=$JAVA_HOME/bin:$PATH
[root@hadoop3 kylin]# source ~/.bashrc
(可左右滑动)
4.执行bin/check-env.sh检查kylin运行环境
5.启动kylin服务,执行bin/kylin.sh start命令
6.访问kylin的web UI,这里的地址是http://192.168.0.198:7070/kylin,默认账号密码为:ADMIN/KYLIN
4.Demo1:Kylin自带
1.Kylin本身自带了一个测试例子,创建流程如下:
执行sample.sh脚本,这个主要是创建kylin的project、model、cube以及相关的hive表等。
查看Hive default库中的表,多了五张表
2.进入kylin Web界面reload metadata
3.查看导入模型
4.构建cube
5.选择数据分区范围
6.点击monitor,查看正在构建cube的作业
这一步会比较耗时,因为这步会进行预计算,默认是MapReduce作业。
7.查询构建完成的cube
先运行简单的count,可以看到耗时2.14s,再次执行基本在豪秒级,因为kylin支持缓存功能
select count(*) from KYLIN_SALES
(可左右滑动)
执行多表关联查询
select sum(KYLIN_SALES.PRICE)
as price_sum,KYLIN_CATEGORY_GROUPINGS.META_CATEG_NAME,KYLIN_CATEGORY_GROUPINGS.CATEG_LVL2_NAME
from KYLIN_SALES inner join KYLIN_CATEGORY_GROUPINGS
on KYLIN_SALES.LEAF_CATEG_ID = KYLIN_CATEGORY_GROUPINGS.LEAF_CATEG_ID and
KYLIN_SALES.LSTG_SITE_ID = KYLIN_CATEGORY_GROUPINGS.SITE_ID
group by KYLIN_CATEGORY_GROUPINGS.META_CATEG_NAME,KYLIN_CATEGORY_GROUPINGS.CATEG_LVL2_NAME
order by KYLIN_CATEGORY_GROUPINGS.META_CATEG_NAME asc,KYLIN_CATEGORY_GROUPINGS.CATEG_LVL2_NAME desc
(可左右滑动)
耗时1.89s,查询支持多种展示方式,如:Line chart、bar chart、pie chart,可以点击Visualization查看可视化展示方式,并且可以选择不同的维度和度量字段。
5.Demo2
1.数据准备
下载地址:
https://github.com/fayson/cdhproject/tree/master/kylindemo
2.执行建表语句,执行以下命令
hdfs dfs -put employee.csv /tmp/data/kylin/
hdfs dfs -put employee.csv /tmp/data/kylin/
beeline -u "jdbc:hive2://hadoop2.macro.com:10000/default" -n hive -f create_table.sql
(可左右滑动)
3.创建project
4.加载Hive表
5.创建model,入project的名称和描述:
6.选择事实表,并点击add Lookup Table查询表
7.选择维度字段
8.选择度量字段:
9.如果有分区选择分区表和列
10.model创建完成
11.创建cube
12.选择model
13.选择维度,这里把model中设置的维度都勾选上
14.选择度量指标,可以添加,比如sum、Max等
15.默认,下一步
16.默认,下一步
17.cube创建完成
18.构建cube
19.查看构建cube的job,进入monitor
20.查询
先执行简单查询,
查询语句:
select count(*) from EMPLOYEE和select max(salary) from EMPLOYEE
(可左右滑动)
可以看到耗时分别在0.19s和0.11秒
21.统计各部门员工薪资总和,执行以下语句
select d.ID,sum(e.SALARY) as salary from EMPLOYEE as e left join DEPARTMENT as d on e.DEPTID=d.id group by d.ID order by salary desc
(可左右滑动)
提示:代码块部分可以左右滑动查看噢
为天地立心,为生民立命,为往圣继绝学,为万世开太平。 温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。
推荐关注Hadoop实操,第一时间,分享更多Hadoop干货,欢迎转发和分享。
原创文章,欢迎转载,转载请注明:转载自微信公众号Hadoop实操