1.3　Apache Kylin的工作原理

Apache Kylin的工作原理本質上是MOLAP（Multidimensional Online Analytical Processing）Cube，也就是多維立方體分析。這是數據分析中相當經典的理論，在關系數據庫年代就已經有了廣泛的應用，下面將對其做簡要介紹。

1.3.1　維度和度量簡介

在說明MOLAP Cube之前需要先介紹一下維度（Dimension）和度量（Measure）這兩個

概念。

簡單來講，維度就是觀察數據的角度。比如電商的銷售數據，可以從時間的維度來觀察（如圖1-2的左側所示），也可以進一步細化，從時間和地區的維度來觀察（如圖1-2的右側所示）。維度一般是一組離散的值，比如時間維度上的每一個獨立的日期，或者商品維度上的每一件獨立的商品。因此統計時可以把維度值相同的記錄聚合在一起，然后應用聚合函數做累加、平均、去重復計數等聚合計算。

?

圖1-2　維度和度量的例子

度量就是被聚合的統計值，也是聚合運算的結果，它一般是連續的值，如圖1-2中的銷售額，抑或是銷售商品的總件數。通過比較和測算度量，分析師可以對數據進行評估，比如今年的銷售額相比去年有多大的增長，增長的速度是否達到預期，不同商品類別的增長比例是否合理等。

1.3.2　Cube和Cuboid

有了維度和度量，一個數據表或數據模型上的所有字段就可以分類了，它們要么是維度，要么是度量（可以被聚合）。于是就有了根據維度和度量做預計算的Cube理論。

給定一個數據模型，我們可以對其上的所有維度進行組合。對于N個維度來說，組合的所有可能性共有2N種。對于每一種維度的組合，將度量做聚合運算，然后將運算的結果保存為一個物化視圖，稱為Cuboid。所有維度組合的Cuboid作為一個整體，被稱為Cube。所以簡單來說，一個Cube就是許多按維度聚合的物化視圖的集合。

下面來列舉一個具體的例子。假定有一個電商的銷售數據集，其中維度包括時間（Time）、商品（Item）、地點（Location）和供應商（Supplier），度量為銷售額（GMV）。那么所有維度的組合就有24=16種（如圖1-3所示），比如一維度（1D）的組合有[Time]、[Item]、[Location]、[Supplier]4種；二維度（2D）的組合有[Time, Item]、[Time, Location]、[Time、Supplier]、[Item, Location]、[Item, Supplier]、[Location, Supplier]6種；三維度（3D）的組合也有4種；最后零維度（0D）和四維度（4D）的組合各有1種，總共就有16種組合。

?

圖1-3　一個四維Cube的例子

計算Cuboid，即按維度來聚合銷售額。如果用SQL語句來表達計算Cuboid [Time, Loca-tion]，那么SQL語句如下：

select Time, Location, Sum(GMV) as GMV from Sales group by Time, Location

將計算的結果保存為物化視圖，所有Cuboid物化視圖的總稱就是Cube。

1.3.3　工作原理

Apache Kylin的工作原理就是對數據模型做Cube預計算，并利用計算的結果加速查詢，具體工作過程如下。

1）指定數據模型，定義維度和度量。

2）預計算Cube，計算所有Cuboid并保存為物化視圖。

3）執行查詢時，讀取Cuboid，運算，產生查詢結果。

由于Kylin的查詢過程不會掃描原始記錄，而是通過預計算預先完成表的關聯、聚合等復雜運算，并利用預計算的結果來執行查詢，因此相比非預計算的查詢技術，其速度一般要快一到兩個數量級，并且這點在超大的數據集上優勢更明顯。當數據集達到千億乃至萬億級別時，Kylin的速度甚至可以超越其他非預計算技術1000倍以上。

總結

以上是生活随笔為你收集整理的Apache Kylin权威指南1.3　Apache Kylin的工作原理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。