【离线数仓】Day04-即席查询（Ad Hoc）：Presto链接不同数据源查询、Druid建多维表、Kylin使用cube快速查询

一、Presto

1、简介

概念：大数据量、秒级、分布式SQL查询engine【解析SQL但不是数据库】

架构

不同worker对应不同的数据源（各数据源有对应的connector连接适配器）

优缺点

缺点：读数据连查表会产生大量临时数据

与impala比较

Impala性能稍领先于Presto，但是Presto在数据源支持上非常丰富，如redis

2、安装

server安装

配置一个Hive的catalog

在hadoop102上配置成coordinator，在hadoop103、hadoop104上配置为worker

client安装：[atguigu@hadoop102 presto]$ ./prestocli --server hadoop102:8881 --catalog hive --schema default

可视化client安装：

[atguigu@hadoop102 yanagishima-18.0]$
nohup bin/yanagishima-start.sh >y.log 2>&1 &

3、Presto优化之数据存储

合理设置分区

使用列式存储：相对于Parquet，Presto对ORC支持更好

使用压缩：采用Snappy压缩

4、Presto优化之查询SQL

选择使用的字段

过滤条件加分区字段：where语句中优先使用分区字段进行过滤

Group By优化：合理安排Group by语句中字段顺序，按照每个字段distinct数据多少进行降序排列

Order By时使用Limit：查询Top N或者Bottom N

使用Join语句时将大表放在左边：join左边的表分割到多个worker，然后将join右边的表数据整个复制一份

5、其他注意事项

字段名反引用：MySQL对字段加反引号`、Presto对字段加双引号分割，以避免和关键字冲突

时间函数：SELECT t FROM a WHERE t > timestamp '2017-01-01 00:00:00';

不支持INSERT OVERWRITE语法：先delete，然后insert into

PARQUET格式：支持Parquet格式，支持查询，但不支持insert

二、Druid

1、简介

概念：快速、列式、分布式、支持实时分析的数据存储系统，性能比OLAP高（PB数据、毫秒查询、实时处理）

与阿里的Druid连接池无关

特点

应用场景（单表、不更新），按照时间分片

2、框架原理

3、数据结构

4、Druid安装（单机版）

改配置（不用内置zk）

启动：[atguigu@hadoop102 imply]$ bin/supervise -c conf/supervise/quickstart.conf

启动采集Flume和Kafka

web页面

启动日志生成程序，登录页面加载数据，创建数据库表配置及时间字段

使用SQL查询

三、Kylin

1、Kylin简介

定义

分布式分析引擎，快速查询巨大的Hive表

架构

Kylin的元数据存储在hbase中

任务引擎对Kylin当中的全部任务加以管理与协调

特点：支持SQL接口、支持超大规模数据集、亚秒级响应、可伸缩性、高吞吐率、BI工具集成等

2、安装

依赖环境：先部署好Hadoop、Hive、Zookeeper、HBase

启动：bin/kylin.sh start

http://hadoop102:7070/kylin查看Web页面

3、使用：使用Kylin进行OLAP分析

建工程

添加数据源（导入hive表）

创建model

选择维度表，并指定事实表和维度表的关联条件

构建cube，添加维度或者度量字段

选择要构建的时间区间

实现每日自动构建cube-编写脚本

4、cube构建原理

构建算法：逐层构建、快速构建

5、cube构建优化

使用衍生维度-中间表实现主到非主的映射

使用聚合组：强制维度、层级维度、联合维度

Row Key优化：用作where过滤的维度放在前边、基数大的维度放在基数小的维度前边

并发粒度优化

6、Kylin Bi工具集成

与Kylin结合使用的可视化工具很多，例如：
ODBC：与Tableau、Excel、PowerBI等工具集成
JDBC：与Saiku、BIRT等Java工具集成
RestAPI：与JavaScript、Web网页集成
Kylin开发团队还贡献了Zepplin的插件，也可以使用Zepplin来访问Kylin服务。

JDBC

Zepplin：[atguigu@hadoop102 zeppelin]$ bin/zeppelin-daemon.sh start

修改配置

添加Note并编写SQL语句查询

巴特西

【离线数仓】Day04-即席查询（Ad Hoc）：Presto链接不同数据源查询、Druid建多维表、Kylin使用cube快速查询

最新文章

热门文章