Kylin 3.1.0架構

背景

1. 在OLAP分析中經常會有如下概念

事實，維度（這其實說的是事實表和維度表）

度量，指標（這說的其實都是指表的列，維度就是從哪些角度對資料做分析，需要分析檢視的維度就是度量）

cube,顧名思義，就是一個立方體，不過由於實際OLAP中，不可能只有四個維度，所以實際上是指代多維立方體。本質就是一個多維資料集，包含維度和度量。
詳情可以看我關於OLAP的一篇部落格

下鑽：從更細粒度的維度值角度探索資料（如時間維度，按天粒度查詢銷售額）
上卷：從更粗粒度的維度值角度探索資料（如時間維度，按季粒度查詢銷售額）
切片：查詢某個維度等於某個指定值時的資料子集
切塊：查詢某個維度等於某幾個指定值時的資料子集
旋轉：變換維度展現順序

kylin 架構

1. kylin本質並不會儲存資料，也不會計算資料，但kylin整合了資料分析引擎，整合了hbase做資料儲存。
2. 架構
3. 從上述架構可以看出

1. kylin可以對外提供資料服務，可以rest api,也可以通過JDBC做資料訪問
2. query engine則是做sql解析
3. routing，這是路由層。如果是低延遲路徑，直接去cube取結果；中延遲路徑則去mapreduce.
   這一層其實是因為kylin無法應對所有的資料計算任務，這時候就需要根據需求將資料提取任務分發到不同的地方。如果可以從現成資料中拿，則將資料提取動作分發到hbase去拿，如果無法計算，則需要使用mapreduce計算。
   4.metadata，這一層是kylin自身的後設資料管理模組，因為計算結果都是儲存在hbase，為了能夠將模型跟hbase中資料關聯在一起，方便快速查詢，這時候就需要對後設資料做管理。
4. Cube Build Engine：cube構建引擎