更新时间:2019-09-10 08:57:39
封面
版权信息
推荐序
前言
第1章 Apache Kylin概述
1.1 背景和历史
1.2 Apache Kylin的使命
1.2.1 为什么要使用Apache Kylin
1.2.2 Apache Kylin怎样解决关键问题
1.3 Apache Kylin的工作原理
1.3.1 维度和度量简介
1.3.2 Cube和Cuboid
1.3.3 工作原理
1.4 Apache Kylin的技术架构
1.5 Apache Kylin的主要特点
1.5.1 标准SQL接口
1.5.2 支持超大数据集
1.5.3 亚秒级响应
1.5.4 可伸缩性和高吞吐率
1.5.5 BI及可视化工具集成
1.6 与其他开源产品的比较
1.7 小结
第2章 快速入门
2.1 核心概念
2.1.1 数据仓库、OLAP与BI
2.1.2 维度建模
2.1.3 事实表和维度表
2.1.4 维度和度量
2.1.5 Cube、Cuboid和Cube Segment
2.2 在Hive中准备数据
2.2.1 多维数据模型
2.2.2 维度表的设计
2.2.3 Hive表分区
2.2.4 了解维度的基数
2.2.5 样例数据
2.3 安装和启动Apache Kylin
2.3.1 环境准备
2.3.2 必要组件
2.3.3 启动Apache Kylin
2.4 设计Cube
2.4.1 导入Hive表定义
2.4.2 创建数据模型
2.4.3 创建Cube
2.5 构建Cube
2.5.1 全量构建和增量构建
2.5.2 历史数据刷新
2.5.3 合并
2.6 查询Cube
2.6.1 Apache Kylin查询介绍
2.6.2 查询下压
2.7 SQL参考
2.8 小结
第3章 Cube优化
3.1 Cuboid剪枝优化
3.1.1 维度的组合
3.1.2 检查Cuboid数量
3.1.3 检查Cube大小
3.1.4 空间与时间的平衡
3.2 剪枝优化工具
3.2.1 使用衍生维度
3.2.2 聚合组
3.2.3 必需维度
3.2.4 层级维度
3.2.5 联合维度
3.3 并发粒度优化
3.4 Rowkey优化
3.4.1 调整Rowkey顺序
3.4.2 选择合适的维度编码
3.4.3 按维度分片
3.5 Top_N度量优化
3.6 Cube Planner优化
3.7 其他优化
3.7.1 降低度量精度
3.7.2 及时清理无用Segment
3.8 小结
第4章 增量构建
4.1 为什么要增量构建
4.2 设计增量Cube
4.2.1 设计增量Cube的条件
4.2.2 增量Cube的创建
4.3 触发增量构建
4.3.1 Web GUI触发
4.3.2 构建相关的REST API
4.4 管理Cube碎片
4.4.1 合并Segment
4.4.2 自动合并
4.4.3 保留Segment
4.4.4 数据持续更新
4.5 小结
第5章 查询和可视化
5.1 Web GUI
5.1.1 查询
5.1.2 显示结果
5.2 REST API
5.2.1 查询认证
5.2.2 查询请求参数
5.2.3 查询返回结果
5.3 ODBC
5.4 JDBC
5.4.1 获得驱动包