Apache Kylin：基于 Hadoop 的 OLAP 引擎

传统上，Hadoop（包括 MapReduce，Pig 以及 Hive）通常用于外部私有

OLAP Cube 引擎准备数据。如今，Zaloni 的客户基于

Apache Kylin 的 OLAP 技术实现了实时查询的能力，这些 Cube 的事实表包含了 400 亿条以上的原始数据。我们正在帮助客户统一归集来自于多个独立系统的账单数据，并构建 OLAP Cube 以支持实时分析，这是以前系统所无法实现的。现在，Hadoop 集群都可以做到了。

基于 ****Hadoop 的分析演化

Hadoop 已经从通用计算能力（MapReduce）的分布式数据平台演化为一个更强大的平台。Hadoop 及其生态系统已经有能力处理更广泛的用例，远超最初设计时的低成本分布式批处理能力。支持了从迭代式的机器学习算法，到

OLAP 及

OLTP 系统，这些基于“hadoop 集群”的开源分析能力给传统的大玩家们（Oralce，SAS，Teradata，IBM 等）带来了很大的压力。

为规模设计

Apache Kylin 是开源的多维在线分析处理引擎（MOLAP），名字来源于中国的一种神兽“麒麟”。项目最初诞生于 eBay，专为分析处理 PB 级数据集而设计。这里引用一段

Apache 基金会 2015 年 12 月的 Blog：“Apche Kylin 是目前为止大数据领域最好的 OLAP 引擎”，eBay 数据服务与解决方案部门高级总监 Wilson Pang 说到，“在 eBay，我们收集用户在每一个页面的每一个行为。当其他 OLAP 引擎挣扎于数据量的极大膨胀时，Kylin 可以在毫秒级获得查询响应。除此之外，基于 Kylin 我们还实现了近实时的数据流存储和分析。总之，Kylin 在 eBay 产品分析平台中扮演了至关重要的后台核心组件角色。”

如何工作

Kylin 通过预计算实现查询速度的提升，利用

Hive 查询计算多个维度的组合（译者注：此处原文有误，正确应为，Kylin 是通过 Hive 获取数据源，并利用 MapReduce 计算多个维度的任意组合），计算各类指标的聚合值，并将这些中间结果保存在

HBase 中。Kylin 拥有用户友好的查询界面，也支持通过 API 和 JDBC、ODBC 提交查询。查询引擎基于

Apache Calcite 查询处理器和 HBase 的检索功能（比如 fuzzy row filters）实现结果集快速获取。HBase 的 rowkeys 利用

Trie Data Structure 技术实现维度字段字典数据的高效压缩。

当前，Kylin 只支持

星型模型，因此每个Cube 只能有单一的事实表。

建模**** 向导

设计Cube 很容易。假设你已经有了一张Hive 的表，建模向导将帮助你一步步走完设计的流程，包括选择维度（包括层级维度），选择维表，选择指标等。也支持按照日期时间分区，使得Cube 分段刷新易如反掌，这广泛用在了流数据的增量式构建。一旦Cube 定义好了，我们通过Kylin 的监控界面查看Cube 的构建进度。

除了原生的Kylin Web 界面，你可以通过JDBC 查询OLAP Cube，也可以通过Zeppelin（Zeppelin 已经内置了Kylin 的解释器），或者设计良好的REST API。

基于Hadoop 的****OLAP 的其他选项

Kylin 是基于 Hadoop 的 OLAP 技术的一个开源选项。

Apache Lens 是另一个，它是一个

ROLAP 解决方案，并不能实现 Kylin 这种预计算技术所能达到的快速查询响应能力。

Druid 也是一个选项，它采用了自己的集群技术（并不依赖 Hadoop）。也有一些第三方的解决方案，声称支持 Hadoop 之上的 OLAP 能力。

作者：Craig Lukasi，本文已获翻译授权。

译者：刘一鸣（Billy Liu), 现任 Kyligence 产品负责人，负责 Apache Kylin 企业级版本及其他产品的规划和设计。Kyligence 是由 Apache Kylin 核心团队创立的创业公司。