欢迎访问我的GitHub
这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos
- 本文是《CDH+Kylin三部曲》系列的终篇，先简单回顾前面的内容：
- 《CDH+Kylin三部曲之一：准备工作》：准备好机器、脚本、安装包；
- 《CDH+Kylin三部曲之二：部署和设置》：完成CDH和Kylin部署，并在管理页面做好相关的设置；
- 现在Hadoop、Kylin都就绪了，接下来实践Kylin的官方demo；
Yarn参数设置
- Yarn的内存参数设置之后一定要重启Yarn使之生效，否则Kylin提交的任务是会由于资源限制而无法执行；
关于Kylin官方demo
- 下图是官方demo的脚本的一部分(create_sample_tables.sql)，基于HDFS数据创建Hive表：
- 通过脚本可见 KYLIN_SALES 为事实表，其他是维度表，并且KYLIN_ACCOUNT和KYLIN_COUNTRY存在关联，因此维度模型符合Snowflake Schema；
导入样例数据
- SSH登录CDH服务器
- 切换到hdfs账号： su - hdfs
- 执行导入命令： ${KYLIN_HOME}/bin/sample.sh
- 导入成功，控制台输出如下：
检查数据
- 检查数据，执行 beeline 进入会话模式(hive官方推荐用 beeline 取代Hive CLI)：
- 在beeline会话模式输入链接URL： !connect jdbc:hive2://localhost:10000 ，按照提示输入账号 hdfs ，密码直接回车：
- 用命令 show tables 查看当前的hive表，已建好：
- 查出订单的最早和最晚时间，后面构建Cube的时候会用到，执行SQL： select min(PART_DT), max(PART_DT) from kylin_sales; ，可见最早 2012-01-01 ，最晚 2014-01-01 ，整个查询耗时 18.87秒 ：
构建Cube：
-
数据准备完成，可以构建Kylin Cube了：
-
登录Kylin网页：http://192.168.50.134:7070/kylin
-
加载Meta数据，如下图：
-
如下图红框所示，数据加载成功：
-
在Model页面可以看到事实表和维度表，如下图的操作可以创建一个MapReduce任务，计算维度表KYLIN_ACCOUNT每个列的基数(Cardinality)：
-
去Yarn页面(CDH服务器的8088端口)，如下图，可见有个MapReduce类型的任务正在执行中：
-
上述任务很快就能完成(10多秒)，此时刷新Kylin页面，可见 KYLIN_ACCOUNT 表的Cardinality数据已经计算完成了（hive查询得到ACCOUNT_ID数量是10000，但下图的Cardinality值为10420，Kylin对Cardinality的计算采用的是HyperLogLog的近似算法，与精确值有误差，其他四个字段的Cardinality与Hive查询结果一致）：
-
接下来开始构建Cube：
-
日期范围，刚才Hive查询结果是 2012-01-01 到 2014-01-01 ，注意截止日期要超过2014-01-01：
-
在Monitor页面可见进度：
-
去Yarn页面(CDH服务器的8088端口)，可以看到对应的任务和资源使用情况：
-
build完成后，会出现ready图标：
查询
- 先尝试查询交易的最早和最晚时间，这个查询在Hive上执行的耗时是 18.87秒 ，如下图，结果一致，耗时 0.14秒 ：
- 下面这个SQL是Kylin官方示例用来对比响应时间的，对订单按日期聚合，再按日期排序，然后接下来分别用Kylin和Hive查询：
select part_dt, sum(price) as total_sold, count(distinct seller_id) as sellers from kylin_sales group by part_dt order by part_dt;
-
Kylin查询耗时 0.13秒 ：
-
Hive查询，结果相同，耗时 40.196秒 ：
-
最后来看下资源使用情况，Cube构建过程中，18G内存被使用：
-
至此，CDH+Kylin从部署到体验就已完成，《CDH+Kylin三部曲》系列也结束了，如果您正在学习Kylin，希望本文能够给您一些参考。