数据中台之多维度模型实例：Kylin架构原理

目录

1.前言

2.Kylin简介

2.1 多维模型快速入门

2.2 Kylin 定义

2.3 Kylin核心概念

2.4 Kylin架构

2.5 Kylin特点

2.6Kylin的预计算是如何实现的

2.7 SQL语法

2.8 Kylin和不同及时查询组件的对比

2 Kylin安装

2.1 Kylin依赖环境

2.2 Kylin搭建

2.3 Kylin兼容性问题解决

2.4 Kylin启动

3 Kylin使用

3.1 创建工程

3.2 获取数据源

3.3 创建model

3.4 构建cube

3.5 使用进阶

4 Kylin Cube构建原理

4.1 维度和度量

4.2 Cube和Cuboid

4.3 Cube存储原理

4.4 Cube构建算法

5 Kylin Cube构建优化

5.1 使用衍生维度（derived dimension）

5.2 使用聚合组（Aggregation group）

5.3 Row Key优化

5.4 并发粒度优化

6 Kylin BI工具集成

6.1 JDBC

6.2 Zepplin

1）Zepplin安装与启动

2）配置Zepplin支持Kylin

3）案例实操

---

1.前言

本文主要从技术层面理解《华为数据之道》中的多维度模型概念 

2.Kylin简介

2.1 多维模型快速入门

星形模型

数据挖掘中常见的多维数据模型有星形模型、雪花模型,事实星座模型等

星形模型中有一张事实表，以及零个或多个维度表；事实表与维度表通过主键相关联，维度表之间没有关联，就像很多星星围绕在一个恒星周围，故取名为星形模型。

如果将星形模型中某些维度的表再做规范,抽取成更细的维度表,然后让维度表之间也进行关联,那么