kylin从入门到实战:实际案例

版权申明:转载请注明出处。
文章来源:http://bigdataer.net/?p=308

排版乱?请移步原文获得更好的阅读体验

前面两篇文章已经介绍了kylin的相关概念以及cube的一些原理,这篇文章将从一个实际的案例入手,介绍如何在kylin平台上创建一个多维分析项目。

1.创建project

进入kylin操作界面,如果没有project可以创建,kylin里面可以创建多个project,有效的把各种业务数据分析隔离开来。如图:


project

如下,填写project name,description可以不填


project

然后submit 提交,project创建成功。

2.添加数据源

点击DataSource选项卡->Load Hive Table


ds

填写hive表名,前面加上库名


ds

然后点击sync,导入数据源成功,可以看到如下信息:
ds

3.创建model

model

添加model name然后 next


model

选择刚才添加到数据源中的事实表,如果有Lookup Table也可添加,然后next


model

选择需要的维度
model

选择需要的指标
model

相关设置


model

partition date colume表示分区字段,选择hive表中按时间分区的字段。然后从date format中选择不同的时间格式。最下面的filter可以添加where条件对数据源中的数据做过滤。
至此,model创建完成。

4.创建cube

下面进入关键环节创建cube。
类似于创建model,创建cube。选择之前创建好的model,并填入cube name。notification email list是选填项,表示报警接收人邮件地址,多个邮件地址以逗号隔开。

cube

然后next。选择dimession,有两种方式:一是手动添加dimession,二是使用自动生成,我们这里使用自动生成,然后勾选需要的字段。
cube

cube

然后next,选择指标
cube

count(1)是系统默认自带的,不要删除。
点击+号添加需要的指标,需要填入名称,选择表达式。这里选择的是sum。我们要针对disp加和求pv,在param value里面选择disp列。
需要注意的是kylin中hive表中每一列字段的类型要求比较严格。dimession字段需要为String,用来加和的指标字段须为bigint或者decimal
添加了所有需要的指标后,点击next
cube

设置merge时间。Kylin每次build会生成一张hbase表,merge操作会把多天数据合并成一张新的hbase表。可加快查询。
设置partition Start Date,即数据源开始时间,默认为1970-01-01.点击Next.
cube

Mandatory Dimensions:每次查询均会使用的维度可添加在此。比如某些情况下的partition column.
Hierarchy Dimensions:维度列中彼此间存在层级关系的列,比如“国家-省份-市-县”
Joint Dimensions:每次查询会同时使用或不使用的维度组合。
Aggregation Group:在不同的查询中,两组维度组合之间不会产生交叉,可选择此选项,比如所有的cube维度有 [ a,b,c,d,e,f ] 6个,每次查询中只会同时查与 [ a,b,c ] 相关的信息(比如[a],[a,c]等)而不会查询 [ d,e,f ],或者相反,则可选择此选项。
以上选择均可减少build过程中的数据量,是加快build与query速度的优化点之一。
接下来基本上就是next,然后保存,如果没有报错,则证明cube创建成功,如下图
cube

5.cube其他操作

最常用的就是build操作,它会根据我们创建的cube进行数据的预计算。


build

选择构建的终止时间,然后提交,之后可以在monitor中看到cube构建的状态。


build

其他操作说明:
Drop:丢弃现有cube,条件:无Pending, Running, Error 状态的job.

Edit:编辑现有cube,条件:cube需处于disable状态。
Refresh:重建某已有时间段数据,针对于已build时间段的源数据发生了改变的情况。
Merge:手动触发merge操作。
Enable:使拥有至少一个有效segment的cube从disable变为enable状态。
Purge:清空所有该cube的数据。
Clone:克隆一个新的cube,可设置新的名字,其他相关配置与原cube相同。
Disable:使一个处于ready状态的cube变为Disable状态,查询不会从disable的cube中获取数据。

6.查询操作

数据预计算完成后就可以进行查询了,查询过程中也可以验证cube创建的是否有问题。有两种查询方式:一种是通过kylin的web界面,一种是使用kylin提供的rest api。下面分别介绍。
(1)web查询。进入insight,输入sql语句,等待查询结果,和一般的数据库客户端类似。
(2)rest api。举例如下:
假如需要查询的sql语句为:“select sum(disp) as pv from t_table group by td,bd”
kylin账户的账号密码为:“kylinid:passwd”,对其进行base64加密。secret=echo -n “kylin_id:password” | base64
使用的project为:my_kylin_project
接口地址为:http://localhost:7070/kylin/api/query
则请求为:

curl -X POST -H "Authorization:Basic ${secret}" -H "Content-Type:application/json" -d '{ "sql" : "select sum(disp) as pv from t_table group by td,bd", "project" : "my_kylin_project" }' http://localhost:7070/kylin/api/query

更多文章请关注微信公众号:bigdataer

推荐阅读更多精彩内容

  • 1.登录页面 ①登录:http://168.168.207.3:7070/kylin(其中168.168.207....
    司小幽阅读 6,156评论 3 8
  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 104,979评论 12 126
  • Kylin知识整理与归纳 1. kyliy的介绍及说明 Apache Kylin是一个开源的分布式分析引擎,提供H...
    哎哟喂喽阅读 1,534评论 0 1
  • “麒麟出没,必有祥瑞。”—— 中国古谚语 前言 随着移动互联网、物联网等技术的发展,近些年人类所积累的数据正在呈爆...
    柴诗雨阅读 22,273评论 12 84
  • 这句话对于曾看过friends(老友记)的80后和90后而言,应该不陌生。 《老友记》里当罗斯刚交了女友茱莉以后,...
    昭阳2017阅读 20,074评论 11 19