官方网站：
http://kylin.apache.org/cn/
正式文档
http://kylin.apache.org/cn/docs/
下载到
3358 kylin.Apache.org/cn/download /
另一方面，Kylin简介1.Kylin概念Kylin是一种分布式数据仓库平台，可以将Hive的数据与Kylin同步进行数据分析，实现多维立方体的查询，也可以将最终结果保存在Hbase中。
Kylin提供Hadoop/Spark上的SQL查询接口和多维分析(OLAP )功能，以支持大数据并允许在亚秒内查询大Hive表其核心是预计计算，计算结果存在于HBase中。
作为大数据分析神器，站在巨人的肩膀上，也需要依靠HDFS、MapReduce/Spark、Hive/Kafka、HBase等服务。
2 .维度和度量维度:如果我们看事物的角度是统计维度，则从粗到细的粒度(例如，时间、年、月、日、时间、分钟、秒、毫秒、微秒、纳秒) )
度量:维聚合结果
3 .数据立方体实际上是维立方体。 这意味着你可以从不同的角度看问题。 例如，如果有abc，就值得按abc的三个角度进行统计。 ab、ac、bc、a、b、c、abc，这种方式的统计可以用Kylin实现。 Kylin中最大的特征是建立维模型，统计维结果。
4 .技术架构http://www.Sina.com/:获得Hadoop/hive的数据并同步到Kylin内部
http://www.Sina.com/:Kylin使用内部立方体模型进行多维统计
33558 www.Sina.com/:构建并保存在h base数据库上。 RowKey由多个维度连接而成，value是具体的值
33558www.Sina.com/:kylin加载Hive数据，建立模型，基于模型建立立方体(Cube )模型，运行立方体模型进行分析，并将分析结果输入Hbase数据库
4.Kylin有点Kylin的主要优势在于以下几个方面。
可扩展的超高速OLAP引擎： Kylin是一种Hadoop ANSI SQL接口，旨在减少Hadoop/Spark上百亿规模的数据查询延迟。 Kylin为Hadoop提供了标准的SQL，并支持大多数查询功能。 Kylin允许用户在亚秒级别与Hadoop数据进行交互。 在同一数据集上比Hive性能更好的多维数据集(MOLAP Cube )用户可以在Kylin中定义百亿多个数据集的数据模型，并无缝集成立方体和BI工具。 Kylin提供与BI工具(如Tableau、PowerBI/Excel、MSTR、QlikSense和QlikSense )的集成功能，包括压缩和编码； 增量更新； 利用HBase Coprocessor； 基于HyperLogLog的Dinstinc Count近似算法； 易于使用的web界面项目和表级访问控制安全支持同步LDAP、SSO和基本操作Hive表以管理、监视和使用多维数据集
创建模型
创建Cube
三、增量构建总量构建1.Cube，理解Cuboid与Segment的关系cube :维度立方体，代表一个任务，最大顶层
Cuboid :维立方体树，即其内部的维结构。 维度结构越少，执行速度越快，反而越慢
Segment表示一个块，块表示每次执行的结果，还可以看到Hbase的表
2 .总量构建Cube中存在唯一的Segment。 该Segment中没有分割时间的概念，也没有开始时间和结束时间
每次需要更新Cube数据时，总量构建不区分历史数据和新添加的数据。 这意味着在构建时导入和处理所有原始数据
3 .增量构建仅导入新Segment指定时间段的原始数据，并且仅预计算这部分原始数据
4 .比较
5.Cube碎片管理增量构建问题：天累计，增量构建的Cube中的Segment增加，需要单个查询引擎完成更多的运行时聚合，因此其Cube的查询性能要保持查询性能，请执行以下操作：
必须定期绑定某些Segment，或者根据Segment保留策略自动将不再查询的旧Segment管理Cube片段丢弃到Cube中。 生成Segment，它对应于HBase中的表。 增量构建的Cube每天都可能有新的增量。 这样的Cube最终可能包含数百个Segment，这可能会严重影响Kylin的性能。
从运行引擎的角度来说，是运行时的检查
询引擎需要聚合多个Segment的结果才能返回正确的查询结果从存储引擎的角度来说，大量的Segment会带来大量的文件，给存储空间的多个模块带来巨大的压力，例如Zookeeper、HDFS Namenode等 6.Cube优化 使用衍生维度即使用维度表的主键（也就是事实表的外键）来代替维度表的非主键维度，这种方式牺牲一部分运行时间性能来节省Cube的空间占用目的。使用聚合组 强制维度（Mandatory）
若为强制维度，则该分组中每一个Cubiod都会包含这个维度，若该维度一定会出现在查询中，则应当将其设置为强制维度 设置成强制维度。这样该聚合组产生的cuboid都要有这个维度。聚合组里有a,b,c三个维度，将a设置成强制维度，则该聚合组会产生 a，ab，ac,abc 4种cuboid，而不会产生b , c , bc 这三个cuboid，减少了3个。 层级维度（Hierachy）
每一个层级中应包含2-n个维度，这n个维度会以（）、（N1）、（N1，N2）、…、（N1， N2，…，Nn）这N+1种情况进行组合 聚合组有 a b c 三个维度 且设置成层级维度 a>b>c. 则该聚合组会产生 a, ab, abc 三个cuboid不会产生 b，c，bc，ac 这4个cuboid，减少了4个 联合维度（Joint）
每一个联合维度包括两个或者更多的维度，联合维度内的维度，要么不出现，要么必须一起出现。不同的联合之间不应当有共同的维度 聚合组有 a b c 三个维度，且设置 ab为联合维度，则该聚合组会产生 c，ab，abc 三个cuboid而不会产生 a，b ，ac，bc， 减少了4个 粒度优化
粒度优化对应的是提高Cube的并发度，其设置是在自定义属性中的。根据相对应的情况调高最少使用分区，降低最大使用分区，能够有效增加系统的并行度。 一共有三个属性可以提高并发度。kylin.hbase.region.cut（共使用几个分区）kylin.hbase.region.count.min（最少使用几个分区）kylin.hbase.region.count.max（最多使用几个分区） RowKey优化
和Hbase 的RowKey优化类似
在查询的过程中，被用作过滤条件的维度可能放在其他维度的前面
经常出现的维度应该放在前面
基数比较大的维度应该放在前面