Kylin快速入门

在Hive中准备数据

• Hive

  需要被分析的数据必须先保存为Hive表的形式，然后Kylin才能 从Hive中导入数据，创建Cube。Apache Hive是一个基于Hadoop的数据仓库工具，可以将结构化的数据文件映射为数 据库表，并可以将SQL语句转换为MapReduce或Tez任务进行运行，从而让 用户以类SQL（HiveQL，也称HQL）的方式管理和查询Hadoop上的海量数据

• 星形模型
  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外键相关联，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。Kylin只支持星形模型的数据集

• 维度表要求
  1）要具有数据一致性，主键值必须是唯一的；
  2）维度表越小越好，默认的阈值是300MB。
  3）改变频率低
  4）维度表最好不要是Hive视图（View）

• Hive表分区 支持多分区
  如果Hive表正好是按此时间属性做分区的话，那么就可以利 用到Hive分区的好处，每次在Hive构建的时候都可以直接跳过不相干日 期的数据，节省Cube构建的时间。

• 了解维度的基数
  维度的基数（Cardinality）指的是该维度在数据集中出现的不同值的 个数；