摘要：ApacheKylin是一个开源的分布式数据分析引擎，基于Hadoop提供SQL查询接口能力、多维数据分析能力，支持超大规模数据分析计算，能够在亚秒级别内查询超级大的Hive表数据，由eBay贡献开源。
互联网进入下半场，以数据资产为核心，数据分析做决策变为新一代互联网特色。在数据分析领域，涌现的产品形态有数据中台、数据仓库、数据湖、数据集市，涌现的技术有实时计算、离线计算。涌现的工具框架有纯计算类HIve/Spark/Presto、存储框架Kudu、计算+存储框架Clickhouse/Druid/Elasticsearch、Hadoop生态HDFS+YARN+MapReduce。随着大家对数据分析的要求变高，希望耗时更短，使用更简单，新的数据分析工具也出现了，那就是ApacheKylin.
ApacheKylin是一个开源的分布式数据分析引擎，基于Hadoop提供SQL查询接口能力、多维数据分析能力，支持超大规模数据分析计算，能够在亚秒级别内查询超级大的Hive表数据，由eBay贡献开源。划重点：开源、亚秒查询、SQL查询、分布式，这表明Kylin免费、查询速度快、上手简单、高可用。我们互联网人的新福音又来了，又快又好用还免费，真的是太好了。
在了解Kylin为什么快之前，我们先看看其它的工具为什么慢？我们以Hadoop家族的Hive来看，Hive它是基于Hadoop的数据仓库工具，可将结构化的数据直接转换成数据库表，HIve系统将HQL语句转化成MapReduce进行执行，本质上就是一款基于HDFS的MapReduce计算框架。所有的数据分析任务都转化成MapReduce任务进行执行，当数据量变成PB、ZB级别时，当然就会变得很慢了，所有的数据也都存储在HDFS中，获取也很慢，业务人员在使用Hive时常常都需要等十几分钟或上半个小时。
那ApacheKylin到底是什么样子呢？在Kylin的技术架构中包含四大模块，即数据源、中心处理引擎、存储引擎、对外接口层，在数据源层可直接接收来自Kafka、RDBMS关系型数据库如Mysql、数据仓库Hive来的数据，在中心处理引擎层通过Cube构建引擎来做数据预聚合，聚合数据存储Hbase，最后支持通过API接口方式直接调用（对于使用JAVA开发的服务，也可以通过JDBC直接链接Kylin），业务人员通过SQL语句直接查询使用。
那Kylin又是怎么变快的呢？在Kylin的设计中，有一个模块是Cube引擎，就是它帮助Kylin变快的。我们知道在数据分析的时候，经常要获取多个维度的数据，就商品的售卖额来说，在做数据分析时，我们会关注某地区、某个时间点（比如双十一）、某商品（比如最热销商品）等维度的售卖额。这些分析内容映射到数据仓库时，分别是事实表和维度表，事实表按各个维度存储数据，每个数据的结果就是度量。数据分析就是结合若干个维度查看度量值，找到其中变化的规律。
在Kylin中通过Cube立方体的概念从多维度把数据给串联起来，接着我们刚刚的例子，因为有三个维度做分析，因此在Kylin中会建立一个三维的数据表（时间、地区、品类）。在数据分析时可以拆分到三维、二维、一维，三维包含地区&品类&时间，二维包含地区品类、地区时间、品类时间，一维包含地区、品类、时间，每一维度的数据都提前聚合号存储在HBase中了，因此当数据分析时，直接拿聚合好的数据，当然比一个个的去执行MapReduce任务快了。
在计算层面快了，存储层面Hbase也是毫不逊色的。Hbase的数据存储实现方式是先将数据存储在内存，当内存的数据量超过限定时在存储磁盘，并且在磁盘中存储的数据是有顺序的（Hbase利用预写日志和内存把随机写的数据先排序好之后再写入内存）。因此在Hbase查询数据时，会先从内存去获取，内存找不到了再去磁盘获取，在磁盘获取的时候又是顺序获取（减少了磁盘寻道时间），所以当然很快了。在计算和存储两个方向都实现了加速，因此Kylin变快是毫无疑问的。
不过在使用Kylin时也需要注意一点，那就是Cube的多维度预聚合，如果聚合的维度比较多，比如有10个维度，那Kylin聚合出来的维度就会有2的10次方也就是1024多种，在Cube本身的聚合计算中也会变慢，因此业务可以根据自己需要来选择聚合的维度。
目前Kylin在数据分析领域已经火起来了，很多互联网公司，如滴滴、美团、携程、京东等都把Kylin融入到了他们的数据分析模型当中，除此之外，在物联网领域，它也正在大放异彩。工欲善其事，必先利其器，想要做好数据分析，有一款又快又好用的数据分析工具是必备的喔～