2.2 在Hive中准备数据

上一节介绍了Apache Kylin中的常见概念。在本节中将介绍准备Hive数据时的一些注意事项。需要进行分析的数据必须先保存为Hive表的形式，只有这样Apache 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，最初由Facebook开发并贡献到Apache软件基金会。Hive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任务运行，从而让用户以类SQL（HiveQL，HQL）的方式管理和查询Hadoop上的海量数据。

此外，Hive提供了多种方式（如命令行、API和Web服务等）供第三方方便地获取和使用元数据并进行查询。今天，Hive已经成为Hadoop数据仓库的首选，是Hadoop不可或缺的一个重要组件，很多项目都兼容或集成Hive。鉴于此，Apache Kylin选择Hive作为原始数据的主要来源。

在Hive中准备待分析的数据是使用Apache Kylin的前提。将数据导入Hive表的方法很多，用户管理数据的技术和工具也多种多样，故其具体步骤不在本书的讨论范围之内，如有需要可以参阅Hive的文档。这里着重阐述几个需要注意的事项。