Apache顶级项目介绍系列5 - Kylin
Apache顶级项目介绍5，我们迎来的中国自己的开源，来自本土eBay的顶级项目Kylin。神马？没听过？ 别急，放心，Apache的顶级项目各个都身负绝技。
有人问，为什么突然介绍Kylin，呃，有小伙伴热情的提及的Kylin，希望来一篇介绍，本人之前有关注了解过，但没有深入研究过，所以我们先学现卖，符合入门介绍篇。
Kylin(麒麟)，由eBay研发并贡献并于2014年10月开源，并于当年11月成为
Apache孵化器项目，是第一个主要由中国团队完整贡献给Apache的项目。去年2015年12月，Apache基金会ASF正式批准Kylin为顶级项目。其发展之快可谓迅猛，搭上了基于大数据的OLAP快车，同时也感慨开源之伟大与贡献.
老样子，一言已概之，Kylin官网（不敢恭维啊，文档宣传也要做做啊）介绍说，Kylin是一个开源分布式分析引擎，提供了基于Hadoop的超大型数据集（TB/PB级别）的SQL接口以及多维度的OLAP分布式联机分析。
上架构图：
可以看到中华文化之麒麟，赞一下！很清晰的架构图，底层存储使用HBase, 数据输入以及Cube Building基于Hive, 中间数据存储HDFS, On Top of 核心引擎之上，提供了REST API, SQL Based Toll / JDBC/ODBC等。右边还有其核心基于HBase的低延迟OLAP Cube；什么叫低延迟，Kylin官方数据给出数百亿行数据查询延时需要保持在亚秒级别！Niubility！其实得益于HBase.
官网给出了几个简单步骤作为事例：
1.从star schema中识别一组Hive表
2.基于Hive表，offline batch构建cube
3.使用sql或者REST API, JDBC, ODBC查询
Kylin平台的设计思路其实并非全新，在过去关系数据库大行其道之日早有，简单来讲其思路就是把预先计算完成的结果保存起来以备分析查询, 利用所有可能纬度组合为每个层次生成cuboid（基本方体），又或是在不同层次上对全部指数进行计算。
科普一下，cube作为核心概念，英文叫多维立方体，cube好比一个坐标系，每个Dimension代表一个坐标系，其每个点的对应值需要从相对应每一个坐标轴取值去获取，这个点cube中称作cell。
cube的基本概念：纬度于度量
纬度Dimension： 纬度提供了分类，表示一类分析角度，纬度，如时间，产品，地域等。
度量Measure：表示聚合分析的数字信息，其集合构成另一个特殊纬度，如数量，金额等。
Kylin的一个核心算法思想：一个n纬的完全Cube,1个n纬子立方体（Cuboid）,n个（n－1）纬cuboid， n*(n-1)/2个（n-2）纬cuboid，n个纬cuboid，1个0纬cubid，总共2^n个字立方体组成；晕否？
举例来说，group by a, b结果，可以基于group by a,b,c的结果，通过去掉c后聚合得来，这样可以减少重复计算，当0纬度的cuboid计算出来的时候，真个
Cube的计算就大功告成！
拓扑图：
核心思想，从关系型到key－value。当Hive中数据规模超过百亿，万亿水平，一些简单的问题如查询2015年销售额等就会带来巨大的表扫描，时间也会无法接受。所以cube完全进行预计算，并对结果加以存储。来个术语叫做：
Relational to Key-Value, KV.
Kylin正是构建在这套理论之上，并且充分借用发挥Hadoop生态系统的威力。
1.从Hive中读取数据（HDFS）
2.运行offline job Map/Reduce实现预计算处理
3.将运算结果cube保存到HBase
4.借助Zookeeper进行任务协调
算法中充分利用了MapReduce的能力，处理中间的复杂排序以及shuffle。其中对HDFS操作较多，每一层的key－value都需要写到hdfs，所有计算结束后需要将其转成HBase的HFile格式并导入。
好了，看看Kylin的容貌以及如何创建cube吧：
呃，颜值一般般，恰如麒麟啊？
创建cube：
1.创建项目
2.导入hive
3.创建数据模型
4.创建cube
包括cube info，dimensions，measures等等。
5. offline job
Kylin已经在eBay内部生产使用验证，处理其内部庞大数据集。性能优势明显。未来应该会继续支持更多Hadoop, Spark生态圈，提供快速实时OLAP,以及更多BI工具整合。
好了，我们先到这里了，感谢前eBay参与开发使用Kylin的资深专家的指导与探讨。鉴于现学现卖，各位极客们包涵。我们下一篇继续大数据三剑客！！！
公众号： 技术极客TechBooster