kylin是什么
在进行数据分析时，随着数据量的提升，处理时间基本也是线性增长。kylin是一个预处理框架，它将一些预先定义的复杂分析预先完成并进行存储，预处理完成后，再次进行请求时，kylin可以进行亚秒级别的响应。
它是一个分析型数据仓库（也是OLAP引擎），为Hadoop提供标准SQL支持大部分查询功能
可以接入kafka等实时流处理数据，从而可以在妙极延迟下进行实时数据等多维分析。
处理引擎可以选用MapReduce和Spark。
于BI工具无缝整合，可以接入Tableau，PowerBI/Excel，SuperSet等可视化分析工具。
我总结出来的观点呢就是：当我们的数据量非常大之后，每次查询都需要花费很多时间，这时我们将查询结果缓存起来，后面查询从这个缓存里面查询速度就会非常快。在kylin中，将结果缓存到hbase表中。
这里需要预先设置一些维度和度量，所以说适合一些固定报表等一些维度固定的场景，如果说维度的组合太多或者变化很频繁，可能不是很适用。
kylin中的一些概念
kylin中需要设置维度和度量
维度和度量这些名词在我之前没有接触到，所以这里我解释一下这两个名词的意思：
维度：我们对数据进行分析时要从各个角度来进行分析，这个时候每一个角度，在sql中的group by字段就是一个维度。
度量：当我们有了维度之后，我们肯定是要分析某一个值的，在sql中 select 的这个字段，这个值就是度量。
举个例子：分析这个班级下男生女生的平均身高是多少，这个时候的sql语句大致是这样写：SELECT avg(height),sex FROM student WHERE class = ? GROUP BY sex。这条sql语句得到的结果就是，这个班级下男生女生的平均身高。这里的维度就是性别，度量就是身高。
datasource,model,cube
datasource: 顾名思义，就是数据源，由于kylin是部署在hadoop之上的，所以我们存储的hive表，在这里都能查询到，我们选择一个表导入即可。
model: 分析的一个模型，选择事实表，维度表。以及设置它们的关联关系，选择要分析的维度和度量。
还可以添加filter条件，只拿到我们想要的数据
这里还有一个设置：data partition field，这个字段是后面cube 构建时查询源数据的时间字段。
cube：从model中出来的一个更加具体的内容，这个是最终会进行构建的模块，cube中有一些设置
更新设置
这里经常会更改的值有两个：Auto Merge Thresholds 和 Volatile Range。
首先来说明一下kylin中cube构建的一些限制：例如当我们构建了一个起止时间为[7.1-7.4)这一个时间的cube之后，我们无法进行构建[7.2-7.5)这个区间的cube。因为中间有重叠区域。但是这种情况下我们可以构建[7.1-7.5)这个时间范围内的cube。
构建出来的数据会存储到hive中，它将每一个时间范围存储为一张表，当我们构建的区间多了之后，用于存储的表也会变多，而我们每个时间范围可能会很小，kylin为了节省存储空间，所以将它们整合成一张表。
auto merge thresholds
用于设置当我们的小表超过多少后会合并成一张大表。
例如我们每天构建一个cube，每次的时间范围都是[今天，明天)，auto merge thresholds设置为7,28.
则当7天之后，之前的cube会合并成一周大小的间隔，当28天之后会合并成一个更大的时间范围，合并检测是从大到小来进行检测的，如果检测到有满足28天的则会先进行合并，之后在进行检测7天。
volatile range
这个是意思是，设置一个offset，这个时间内的数据不会被计算到auto merge范围内，auto merge setting以上面的为例，如果 volatile range设置为2，则9天后会将 9～2这一周的数据合并成一周大小。
高级设置
这个部分是对cube进行优化
当我们有很多的维度，维度组合之后就会有2^n^中组合方式，很容易产生组合爆炸的情况。我们需要对其进行剪枝。
这里拿一个选项来举例：
Hierarchy Dimensions: 层级维度，例如 “国家” -> “省” -> “市” 是一个层级；不符合此层级关系的 cuboid 可以被跳过计算。
job
构建job才会真正的去数据源拉取数据。构建完成后会将结果存储到hive表中。
可以在ui页面上的Monitor栏上看到我们之前构建的cube。
API
kylin对外暴漏了一些api，我们可以通过调用api来完成一些自动化的构建流程。
有一个需要注意的点是，通过api构建cube时，这个cube的状态必须时ready的，也就是说我们必须在ui上提前构建一次。
总结
kylin是一个大数据量分析时进行一些固定维度的提前预计算，对于一些维度不固定的情况还是不太适用。
它的原理是将数据进行计算后缓存，后面再需要这个数据时，可以不再去源数据进行分析，而是从kylin里面获取，这样就可以节省时间。