官網地址：http://kylin.apache.org/cn/

kylin詳細介紹檢視官網

本文僅作學習筆記。

1. 由來

在現在的大資料時代，Hadoop已經成為大資料事實上的標準規範，一大批工具陸陸續續圍繞Hadoop平臺來構建，用來解決不同場景下的需求。比如Hive是基於Hadoop的一個用來做企業資料倉庫的工具，可以將儲存在HDFS分散式檔案系統上的資料檔案對映為一張資料庫表，並提供SQL查詢功能，Hive執行引擎可以將SQL轉換為MapReduce任務來進行執行，非常適合資料倉庫的資料分析。再比如HBase是基於Hadoop，實現高可用性，高效能，面向列，可伸縮的分散式儲存系統，Hadoop架構中的HDFS為HBase提供了高可靠性的底層儲存支援。

但是缺少一個基於Hadoop的分散式分析引擎，雖然目前存在業務分析工具，如Tableau等，但是他們往往存在很大的侷限，比如難以水平擴充套件、無法處理超大規模資料，同時也缺少Hadoop的支援。Apache Kylin(中文：麒麟)的出現，能夠基於Hadoop很好地解決上面的問題。ApacheKylin是一個開源的分散式儲存引擎，最初由eBay開發貢獻至開源社群。它提供Hadoop之上的SQL查詢介面及多維分析（OLAP）能力以支援大規模資料，能夠處理TB乃至PB級別的分析任務，能夠在亞秒級查詢巨大的Hive表，並支援高併發。

2. 應用場景

假如你的資料存在於Hadoop的HDFS分散式檔案系統中，並且你使用Hive來基於HDFS構建資料倉庫系統，並進行資料分析，但是資料量巨大，比如TB級別。

同時你的Hadoop平臺也使用HBase來進行資料儲存和利用HBase的行鍵實現資料的快速查詢等應用

你的Hadoop平臺的資料量逐日累增

對於資料分析的維度大概10個左右

如果你的應用類似上面，那麼非常適合採用Apache Kylin來做大資料量的多維資料分析。ApacheKylin的核心思想是利用空間換時間，將計算好的多維資料結果存入HBase，實現資料的快速查詢。同時由於Apache Kylin在查詢方面制定了多種靈活的策略，進一步提高空間的利用率，使得這樣的平衡策略在應用中值得采用。

3.核心思想