大数据-163 Apache Kylin 全量增量Cube的构建 手动触发合并 JDBC 操作 Scal ...

点一下关注吧！！！非常感谢！！连续更新！！！

目前已经更新到了：

• Hadoop（已更完）
  
• HDFS（已更完）
  
• MapReduce（已更完）
  
• Hive（已更完）
  
• Flume（已更完）
  
• Sqoop（已更完）
  
• Zookeeper（已更完）
  
• HBase（已更完）
  
• Redis （已更完）
  
• Kafka（已更完）
  
• Spark（已更完）
  
• Flink（已更完）
  
• ClickHouse（已更完）
  
• Kudu（已更完）
  
• Druid（已更完）
  
• Kylin（正在更新…）
  

章节内容

上节我们完成了如下的内容：

• 全量增量Cube的构建
  
• Segment
  

基本流程

在 Apache Kylin 中，手动触发 Segment 合并的步调如下：

• 选择要合并的 Cube 和 Segments： 进入 Kylin Web UI，选择你要操作的 Cube，进入该 Cube 的详情页面。在“Segments”标签页下，可以看到当前 Cube 的所有 Segments。选择你希望合并的 Segments。
  
• 合并 Segments： 点击页面上的 “Merge Segment” 按钮。通常环境下，Kylin 会自动盘算可以合并的 Segments。如果你想手动控制合并的 Segments，可以在弹出的对话框中手动选择你想合并的 Segments。
  
• 设置合并任务： 设置合并任务的参数，如目的时间范围等。Kylin 会根据你选择的 Segments 的范围自动填充一些默认的值。你可以根据需求调解这些参数。
  
• 启动合并任务： 完成设置后，点击 “Submit” 按钮。Kylin 将会创建一个新的合并任务（Job），该任务将在后台执行。你可以在 “Job” 页面查看任务的执行状态。
  
• 监控任务状态： 在 “Job” 页面，你可以查看合并任务的日记和状态。如果任务执行成功，你会看到新的 Segment 出现在 Segments 列表中，表示合并已经完成。
  
• 如果合并成功，新的合并后 Segment 会替换原来的多个 Segments，而旧的 Segments 将被 Kylin 自动清理。
  

须要注意的是，手动合并的操作大概会占用大量资源，因此在高负载时须要谨慎操作，并在合适的时间段执行合并任务。
手动触发合并Segment

Kylin提供了一种简单的机制用于控制Cube中Segment的数量：合并Segment，在WebGUI中选中须要进行Segments合并的Cube。
单击Action => Merge

我们刚才分阶段进行了任务的Build操作，
01-01、01-02、01-03、01-04 的任务，我们可以使用 Merge 来进行合并：

选中须要合并的Segment，可以同时合并多个Segment，但这些Segment必须是连续的，单击提交体系会提交一个范例为 MERGE 的构建任务，这里可以选择时间阶段，我选择的是 01-03到01-04：

提交任务，可以看到是一个 Merge任务，看名字：【MERGE】，等待合并完毕：

合并完毕的效果如下图：

注意事项

• 在MERGE构建结束之前，所有选中用来合并的Segment仍然处于可用的状态
  
• 在MERGE范例的构建完成之前，体系将不答应提交这个Cube上任何范例的其他构建任务
  
• 当MERGE构建结束的时间，体系将选中合并的Segment替换为新的Segment，而被替换下的Segment等待将被垃圾回收和清理，以节流体系资源
  

删除Segment

使用WebUI删除Cube的Segment，
这里选择 Disable 就可以删除Segment了：

Disable之后，可以看到下面的：DeleteSegment操作，就可以删除指定的Segment了：

自动合并

手动维护Segment很繁琐，人工本钱高，Kylin中是可以支持自动合并Segment。
在Cube Designer的 Refresh Settings的页面中有：

• Auto Merge Thresholds
  
• Retention Thresholds
  

Refresh Settings的页面：

两个设置项可以用来资助管理Segment碎片，这两项设置搭配使用这两项设置可以大大减少对Segment进行管理的麻烦。
Auto Merge Thresholds

• 答应用户设置几个层级的时间阈值，层级越靠后，时间阈值越大
  
• 每当Cube中有新的Segment状态变为READY的时间，就会自动触发一次体系自动合并
  

合并战略

• 实验最大一级的时间阈值，比方：针对（7天、28天）层级的日记，先查抄可以或许将连续的若干个Segment合并成为一个超过28天的大Segment
  
• 如果有个别的Segment的事件长度本身已经超过28天，体系会跳过Segment
  
• 如果满足条件的连续Segment还不可以或许累积超过28天，那么体系会使用下一个层级的时间戳重复寻找
  

案例1 理解Kylin自动合并战略

• 假设自动合并阈值设置为7天、28天
  
• 如果现在有A-H 8个连续的Segment，它们的时间长度为28天（A）、7天（B）、1天（C）、一天（D）、一天（E）、一天（F）、一天（G）、一天（H）
  
• 此时，第9个Segment加入，时间长度为1天
  

自动合并的战略为：

• Kylin判断时可以或许将连续的Segment合并到28天这个阈值，由于Segment A已经超过28天，会被清除。
  
• 剩下的连续Segment，所有时间加一起 B+C+D+E+F+G+H+I < 28天，无法满足28天的阈值，则开始实验7天的阈值
  
• 跳过 A（28）、B（7）均超过7天，清除
  
• 剩下的连续Segment，所有时间加在一起 C+D+E+F+G+H+I 到达7天的阈值，触发合并，提交Merge任务，并构建一个SegmentX（7天）
  
• 合并后，Segment为：A（28天）、B（7天）、X（7天）
  
• 连续触发查抄，A（28天）跳过，B+X（7+7=14）< 28天，不满足第一阈值，重新使用第二阈值触发
  
• 跳过B、X实验终止
  

案例2 设置自动合并4天的Segment

选中Model，选择Edit进行编辑：

直接到Refresh Setting选项卡，将选项修改为，4天：

后续将自动进行Segment的构建。
设置保留的Segment

自动合并是将多个Segment合并为一个Segment，以到达清理碎片的目的，保留Segment则是及时清理不再使用的Segment。
在很多场景中，只会对已往一段时间内的数据进行查询，比方：

• 对于某个只显示已往1年数据的报表
  
• 支持它的Cube实在只须要保留已往一年类的Segment即可
  
• 由于数据在Hive中已经存在备份，则不需在Kylin中备份超过一年的类似数据
  

可以将Retention Threshold设置为365，每当有新的Segment状态变为READY的时间，体系会查抄每一个Segment。如果它的结束时间隔断最晚的一个Segment的结束时间已经大于即是RetentionThreshold，那么这个Segment将视为无需保留，体系会自动从Cube中删除这个Segment。
保留战略示意图如下所示：

使用JDBC毗连操作Kylin

简单介绍

• 要将数据以可视化方式展示出来，须要使用Kylin的JDBC方式毗连执行SQL，获取Kylin的执行效果
  
• 使用Kylin的JDBC与JDBC操作MySQL一致
  

业务需求

通过JDBC的方式，查询按照日期、区域、产品维度统计订单总额/总数量效果
开发步调

添加依赖

1. <dependency>
2.   <groupId>org.apache.kylin</groupId>
3.   <artifactId>kylin-jdbc</artifactId>
4.   <version>3.1.1</version>
5. </dependency>

复制代码

实现规划

• 创建Connection毗连对象
  
• 构建SQL语句
  
• 创建Statement对象，并执行executeQuery
  
• 打印效果
  

编写代码

我这里用Scala实现了，Java也差不多

1. package icu.wzk.kylin
3. import java.sql.DriverManager
5. object KylinJdbcTest {
7.   def main(args: Array[String]): Unit = {
8.     // 创建连接对象
9.     val connection = DriverManager.getConnection("jdbc:kylin://h122.wzk.icu:7070/wzk_test_kylin", "ADMIN", "KYLIN")
10.     // 创建Statement
11.     val statement = connection.createStatement();
12.     // 构建SQL语句
13.     var sql =
14.       """
15.         |select
16.         | t1.dt,
17.         | t2.regionid,
18.         | t2.regionname,
19.         | t3.productid,
20.         | t3.productname,
21.         | sum(t1.price) as total_money,
22.         | sum(t1.amount) as total_amount
23.         |from
24.         | dw_sales1 t1
25.         |inner join dim_region t2
26.         |on t1.regionid = t2.regionid
27.         |inner join dim_product t3
28.         |on t1.productid = t3.productid
29.         |group by
30.         | t1.dt,
31.         | t2.regionid,
32.         | t2.regionname,
33.         | t3.productid,
34.         | t3.productname
35.         |order by
36.         | t1.dt,
37.         | t2.regionname,
38.         | t3.productname
39.         |""".stripMargin
40.     val resultSet = statement.executeQuery(sql)
41.     println("dt region product_name total_money total_amount")
42.     while (resultSet.next()) {
43.       // 获取时间
44.       val dt = resultSet.getString("dt")
45.       // 获取区域名称
46.       val regionName = resultSet.getString("regionname")
47.       // 获取产品名称
48.       val productName = resultSet.getString("productname")
49.       // 获取累计金额
50.       val totalMoney = resultSet.getDouble("total_money")
51.       // 获取累计数量
52.       val totalAmount = resultSet.getDouble("total_amount")
53.       println(f"$dt $regionName $productName $totalMoney $totalAmount")
54.     }
55.     connection.close()
56.   }
58. }

复制代码

测试运行

我们运行代码，可以看到如下的运行效果：

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。