很多朋友对于魔古街主：三外教你一些可以安装X的Kirin入门教程和不太懂，今天就由小编来为大家分享，希望可以帮助到大家，下面一起来看看吧！
今天我想和大家介绍一下麒麟。
由于工作需要，前段时间简单的开始了kylin的入门，现在准备写一些笔记（我的话也许对你入门kylin有帮助，至少读完这篇文章你应该知道kylin是做什么的）。
BB不多，开始吧
kylin介绍
kylin是我们中国人主导的开源项目，为Apache基金会做出贡献，所以我们会有中文文档可供研究：
http://kylin.apache.org/cn/
我们可以看到官方对kylin的介绍：Apache Kylin是一个开源的分布式分析数据仓库，在Hadoop/Spark上提供SQL查询接口和多维分析（OLAP）能力，支持超大规模数据。最初由eBay 开发并贡献给开源社区，它可以在亚秒内查询巨大的表。
看完这个介绍，我只能用两个字来形容Kylin：牛逼。厉害之处在哪里？下面我们就来说一下
乍一看，有些同学可能不知道什么是OLAP。下面我简单解释一下。 （Hadoop/Spark/SQL/Big Data这些词你每天都会看到，即使你不明白它们的原理，你也知道这些东西是用来做什么的，对吧？）
看到OLAP，就不得不提到它的兄弟OLTP。我们简单看一下他们的全名和中文翻译：
OLTP：On-Line TransactionProcessing（在线事务处理） OLAP：On-LineAnalyticalProcessing（在线分析处理） 中文翻译我们怕看不懂，但是可以发现它们的区别是“交易”。一是“分析”
从应用层面，我们可以简单认为OLTP主要应用于业务系统，对交易的要求比较高，比如下单/交易（银行转账等服务）。 OLAP主要应用于数据仓库系统，支持复杂的分析操作，侧重于决策支持，提供直观易懂的查询结果。
我再画一张思维导图给你看，你就基本明白了：
至此，您应该对OLAP有了基本的了解。我们回到上面那句话：多维分析（OLAP）能力可以支持超大规模的数据。你的第一反应是什么？
三外首先想到的是Hive（Hive的底层是HDFS：支持极大规模的数据）。
现在我们谈论Hive，你会发现在Kylin的前半句话中，Hive似乎能够支持几乎所有的东西，除了最后一句“它可以在亚秒内查询巨大的表”。
没错，到这里你就可以知道kylin的用途了：可以在亚秒级的时间内查询巨大的表，完成数据分析和决策
每次我们运行Hive的时候，可能都要运行几分钟（如果我SQL写不好的话，运行半个小时是常有的事）。从业务角度来说，我们希望用于分析的数据能够运行得更快。为了支持这种需求，Kylin 开始流行起来。
我用Hive来指代kylin。除了麒麟就没有别的选择了吗？显然事实并非如此。
当我刚加入公司时，我抱怨Hive 运行得太慢。隔壁小伙告诉我：用presto，这是我们大数据平台支持的。
OLAP提供的工具框架还是很多的。让我们简单地看一下它们。
众所周知，执行Hive实际上意味着运行Map-Reduce任务从HDFS获取数据。执行过程涉及计算和存储。
有些人认为在Hive上运行Map-Reduce计算的过程太慢，因此不使用Map-Reduce而使用其他计算引擎，例如MPP架构，但存储没有改变.
有些人认为检索存储在HDFS 中的数据太慢，因此他们应该更改存储位置而不是从HDFS 检索数据.
有些人认为这是一件糟糕的事情。我改变了计算和存储。我可以用我的框架一站式为你解决.
有人认为Hadoop生态系统还可以。我先汇总一下。检查的时候可以直接拿到聚合后的数据，也很快……
由于每个公司的业务场景和背景不同，每个OLAP框架的强项也不同，所以有那么多闪闪发光的OLAP技术……
Kylin入门
我们已经知道为什么有这么多OLAP 技术。本质上，我们想要分析数据，以便我们可以更快地检查它，而Kylin 就是这些技术之一。
从上图也可以看出kylin完全依赖于Hadoop生态系统。那么kylin是如何实现提速的呢？答案是：预聚合
假设我们从MySQL 中检索日期大于2020-10-20 的所有数据。只要我们给日期列添加索引，就可以快速找到相关数据。
但如果我们从MySQL中检索出日期大于2020-10-20的所有数据以及每个用户在这段时间消费了多少xxxx，只要数据量大，无论你怎么建索引，查询速度会不尽如人意。
那么如果我先按照天维度对每个用户进行统计，写入到一个表中，用户按日期检索的时候是不是很快（因为我已经按天聚合过一次数据了，这个表更快比原来的原始表数量会大大减少）
Kylin利用预聚合的思想来提高查询的速度，使其能够实现亚秒级的查询响应。
那么我们使用kylin有哪些步骤呢？官方已经给了我们答案：
在数据集上定义星形或雪花模型。在定义的数据表上构建一个立方体。使用标准SQL 通过ODBC、JDBC 或RESTFUL API 进行查询。只需亚秒级响应时间即可获得查询结果。以上步骤是： 一些你可能不太理解的单词包括下面的星形模型、雪花模型、立方体。下面我来简单解释一下：
在数据仓库领域，我们的主表称为事实表，而事实表的外键所依赖的表称为维度表。
“星型模型”：所有维度表都直接连接到事实表。 （如上图）
“雪花模型”：当一个或多个维度表不直接与事实表连接，而是需要通过其他维度表与事实表连接时（下）
在kylin中，分析数据的视角称为“维度”，分析的指标称为“度量”
好吧，我们来看看cube是什么意思：
多维数据集称为OLAP Cube：我们可以将上面的二维表组成一个数据立方体，这个数据立方体就是一个Cube
一个Cube 可以从不同的角度观察，并且看起来这些多个角度是从一个完整的Cube 中分割出来的，例如：
结合上面说的：Cube其实就是数据集中不同维度构建的立方体（虽然图中的数字都是三维的，但是你构建的Cube可以远远不止三维）
Kylin 从Cube 获取数据。官方的说法很明确，可以通过JDBC/RESTful来获取数据。
那么kylin把聚合后的数据存储在哪里（肯定有存储的地方）？在HBase 上。如果你还没有学习HBase，可以先阅读我之前的文章：HBase入门
kylin使用步骤：
首先，你要有数据（一般来自Hive/Kafka），在Kylin上定义相应的数据模型（结构），并通过kylin系统配置需要聚合和统计的字段（这就是上面提到的维度和度量），以及然后构建Out of Cube（这是kylin的预聚合，所有需要统计的维度都被提前定义和计算）kylin会将数据存储在HBase上，你可以通过JDBC/RESTful查询数据。
使用kylin
官网上也列出了比较常见的QA，你可以看一下：http://kylin.apache.org/cn/docs/gettingstarted/faq.html
虽然kylin可以支持多维聚合，但是我们在构建Cube的时候，一般需要对Cube进行剪枝（即减少Cuboid的生成）
假设我们有10 个维度，那么未经任何优化的Cube 将有2 的10 次方=1000+ 个长方体。
Cube的最大物理维度数（不包括派生维度）为63个，但不建议使用超过30个维度的Cube，否则会造成维度灾难。
常用的剪枝方法是利用聚合组（Aggregation group）配置来实现的，而在聚合组中，使用较多的是Mandatory（强制维度）。
比如本来我有A、B、C三个维度，如果我不做任何优化的话，我的组合应该有7个，即(A) (B) (C) (AB) (ABC) (AC ) ( BC），如果我指定尺寸A为强制尺寸，那么最终的组合只有（A）（AB）（ABC）（AC）。强制索引是指：查询条件中必须包含指定字段
除了强制维度（Mandatory）之外，还有层次维度（Hierarchy）和联合维度（Joint）来帮助我们剪枝（即减少Cuboid的生成）。一般情况下，使用较多的是强制尺寸和接头尺寸。
当我们查看kylin数据时，它已经被聚合并存储在HBase中，因此查询速度相当快，但构建Cube的过程实际上相当慢（十几分钟到半个小时是正常的）。
这会带来延迟（Cube需要时间来构建，不可能要求Cube每秒构建一次）。这可以容忍吗？这意味着在调度Cube任务并构建Cube之前无法找到最新数据。
画外音：构建Cube 通常是通过定时任务请求Kylin 的API 来完成的。
Kylin 没有内置的调度功能。您可以通过REST API 从外部调度服务触发Cube 的调度构建，例如Linux 命令crontab、Apache Airflow 等。
但在新的kylin版本中，已经支持realtime_olap了。 Kylin存储实时数据，并合并来自HBase的数据后返回，实现实时性。
用户评论
哇塞！这个标题好有趣！我一直就想学点麒麟知识，但又不知道从哪里开始，感觉蘑菇街大牛这篇文章正好对准我的需求了。“三歪”和“能装X” 这两个词简直太吸引人了，一定要去看看！
有20位网友表示赞同！
最近在网上逛的比较多，看到很多人都讨论麒麟这个东西，我也想去试试看。 以为麒麟是一种什么稀有的生物呢？没想到是程序啊，感觉有点出乎意料，还是要看看这篇文章了解一下这“三歪”究竟是什么东东！
有10位网友表示赞同！
蘑菇街大牛挺厉害的，讲的东西总是能够给我带来一些不一样的视角。“能装X的麒麟入门教程” 这段宣传很成功，一下子就勾起了我的好奇心。
有6位网友表示赞同！
这个标题让我觉得有点搞笑，不过我还是蛮喜欢这种幽默风趣的表达方式，说不定这篇文章讲得还挺有意思的！ 对于麒麟入门教程，我倒更希望他能重点讲解麒麟的实际应用场景和使用技巧，这样对我们学习更有帮助。
有16位网友表示赞同！
我对蘑菇街大牛的文章一直挺有信赖的，他講东西总是那么深入淺出，相信这次的“三歪教你些能装X的麒麟入门教程”也不例外。
有7位网友表示赞同！
我一直觉得软件开发这块的东西太复杂了，看着那些晦涩难懂的代码头疼不已。 这篇文章会不会教一些简单易懂的麒麟基础知识呢？我很期待！
有19位网友表示赞同！
“能装X的麒麟入门教程” 这句话很有意思，但是我想说一点，学习技术和是为了用它解决实际问题，还是要注重技术的内涵和应用价值，而不是只是为了“装X”。
有19位网友表示赞同！
我觉得有些文章标题比较哗众取宠，比如这次这个，感觉有点浮夸。 希望这个蘑菇街大牛能讲点有substance的内容，而不是为了吸引眼球而进行一些营销炒作。
有13位网友表示赞同！
麒麟这个东西我还没学过，之前也没听别人提过。 看完这位大佬写的标题感觉好像很有意思的样子啊。
有5位网友表示赞同！
我对编程并不感兴趣，但是最近听说很多人都在学习麒麟，不知道这篇文章讲的“三歪”是什么？ 如果能解释清楚的话，或许我可以对这个新事物有一个更全面的了解。
有12位网友表示赞同！
我倒是觉得这样的教程挺好的，反正我一直在学一些高端的技术，看看这种“能装X的”教程也能涨点知识，说不定还能学到一些新花招来唬人了。
有9位网友表示赞同！
这篇文章标题看起来很有趣！总感觉蘑菇街大牛很会玩儿啊。 我已经迫不及待地想去看看他写的麒麟入门教程了，希望能从中收获一些干货！
有5位网友表示赞同！
“能装X” 这两个字有点搞笑，不过我还是挺想了解一下这位蘑菇街大牛的心得体会，看他写的麒麟入门教程究竟长什么样！
有7位网友表示赞同！
说实话，我对这样的标题感到有点困惑。 难道学习技术是为了“装X”？我觉得这篇文章的重点应该放在技术本身的价值和意义上，而不是一些虚荣的表象。
有9位网友表示赞同！
我一直在想办法提升自己的编程水平，希望蘑菇街大牛的这个入门教程能够给我一些启发，让我更快地上手麒麟！
有8位网友表示赞同！
我觉得学习新的编程语言需要一种认真踏实的态度，不能只看重“装X”的效果。 希望这位作者能够把重点放在技术本身的价值和应用场景上，而不是为了迎合某些人的需求而进行一些刻意炒作！
有9位网友表示赞同！
虽然这个标题有点耸人听闻，但是我对麒麟的技术还是比较感兴趣的，希望这个教程能给我带来一些实用的知识。
有7位网友表示赞同！