本地数仓项目(四）—— 即席查询

﹏ヽ暗。殇╰゛Y 2024-03-30 01:24 47阅读 0赞

## 1 背景 ##

本文描述本地数仓项目即席查询相关内容，主要涉及即席查询工具包括Presto、Druid、Kylin。  
本文基于文章[《本地数据仓库项目(一) —— 本地数仓搭建详细流程》][Link 1] 和[《本地数仓项目(二)——搭建系统业务数仓详细流程》][Link 2]以及《[本地数仓项目(三）—— 数据可视化和任务调度》][Link 3]

## 2 Presto ##

### 2.1 Presto概念 ###

Presto是一个开源的分布式SQL查询引擎，数据量支持GB到PB，主要用于处理秒级查询的场景。

### 2.2 Presto架构![在这里插入图片描述][f1863a0fa4e24509ae47d842ff7c1671.png] ###

### 2.3 Presto优缺点![在这里插入图片描述][380f836f9b42437e9fdc755a78b90870.png] ###

### 2.4 Presto安装 ###

#### 2.4.1 Presto Server安装 ####

官网地址  
https://prestodb.github.io/  
下载地址  
https://repo1.maven.org/maven2/com/facebook/presto/presto-server/  
1） 上传安装包并解压，修改解压后目录名

tar -zxvf presto-server-0.196.tar.gz
    mv presto-server-0.196 presto-server

1.  创建data和etc目录

[root@wavehouse-1 presto-server]# pwd
    /root/soft/presto-server
    [root@wavehouse-1 presto-server]# mkdir data
    [root@wavehouse-1 presto-server]# mkdir etc

1.  etc目录下创建jvm.config文件  
    并添加如下内容：

-server
    -Xmx16G
    -XX:+UseG1GC
    -XX:G1HeapRegionSize=32M
    -XX:+UseGCOverheadLimit
    -XX:+ExplicitGCInvokesConcurrent
    -XX:+HeapDumpOnOutOfMemoryError
    -XX:+ExitOnOutOfMemoryError

1.  Presto可以支持多个数据源，在Presto里面叫catalog，这里我们配置支持Hive的数据源，配置一个Hive的catalog

mkdir etc/catalog
    vim catalog/hive.properties

hive.properties添加如下内容：

connector.name=hive-hadoop2
    hive.metastore.uri=thrift://wavehouse-1:9083

1.  分发presto安装包到集群各个节点
2.  分发之后在各个节点etc目录下新建node.properties文件  
    添加如下内容，注：不同节点的node.id设置为不同值，这里用的是十六进制。

node.environment=production
    node.id=ffffffff-ffff-ffff-ffff-ffffffffffff
    node.data-dir=/opt/module/presto/data

1.  Presto是由一个coordinator节点和多个worker节点组成。在主节点上配置成coordinator，在其他节点上配置为worker

vim etc/config.properties

主节点添加如下内容

coordinator=true
    node-scheduler.include-coordinator=false
    http-server.http.port=8881
    query.max-memory=50GB
    discovery-server.enabled=true
    discovery.uri=http://wavehouse-1:8881

其他节点添加如下内容

coordinator=false
    http-server.http.port=8881
    query.max-memory=50GB
    discovery.uri=http://wavehouse-2:8881

8）启动Hive Metastore

nohup bin/hive --service metastore >/dev/null 2>&1 &

9）所有安装presto的节点启动presto

#前台启动
    bin/launcher run

或

#后台启动
    bin/launcher start

![在这里插入图片描述][bc5d7d66a85045e283814a23da9d76fb.png]  
![在这里插入图片描述][d7ad5049ad314ad2922ff2c464678926.png]

#### 2.4.2 Presto命令行Client安装 ####

下载地址：  
https://repo1.maven.org/maven2/com/facebook/presto/presto-cli/

1.  将下载的presto-cli-xxxx-executable.jar上传到主节点的安装presto文件夹下
2.  修改名字并赋予可执行权限  
    ![在这里插入图片描述][74c87f5977bf48b09e5d212fffe82474.png]  
    3）放入支持lzo压缩的jar包  
    由于数仓数据采用了lzo压缩，Presto去读数据时需要读取lzo格式数据，因此需要将lzo的jar包放入presto

cp /root/soft/hadoop-2.7.2/share/hadoop/common/hadoop-lzo-0.4.20.jar ./

1.  启动

./presto-cli --server wavehouse-1:8881 --catalog hive --schema default

5）Presto命令行操作  
Presto的命令行操作，相当于Hive命令行操作。每个表必须要加上schema。  
![在这里插入图片描述][a284fdf04abc42e584dd591bc85b5e43.png]

select * from hive.gmall.ads_back_count limit 10;

![在这里插入图片描述][8069d133a3bd4063885537f83fbee950.png]

#### 2.4.3 Presto可视化Client安装 ####

1.  上传yanagishima-18.0.zip到soft目录
2.  解压缩

unzip yanagishima-18.0.zip

1.  进入conf文件夹，编写yanagishima.properties  
    添加如下内容

jetty.port=7080
    presto.datasources=chen-presto
    presto.coordinator.server.chen-presto=http://wavehouse-1:8881
    catalog.chen-presto=hive
    schema.chen-presto=default
    sql.query.engines=presto

![在这里插入图片描述][e1808ca49b6e4f02918807ec3a1c7c39.png]  
4)启动

nohup bin/yanagishima-start.sh >y.log 2>&1 &

1.  访问http://wavehouse-1:7080  
    ![在这里插入图片描述][faa2e4f4b62244cbadde3f41326301bd.png]  
    ![在这里插入图片描述][ab2ff2af11c24b67b512708ffd89bd90.png]

#### 2.4.4 效率对比 ####

执行同样的sql，分别在hive端执行和Presto端执行

##### 2.4.4.1 #####

select count(*) from hive.gmall.dws_uv_detail_day

hive使用TEZ引擎  
![在这里插入图片描述][8d096d19e64543589703bb0d77799cf3.png]  
忽略TEZ第一次启动耗时，hive的TEZ查询时间为6.89秒

Presto查询  
![在这里插入图片描述][2ea35db5ccd74c09b94a9952b28caa8b.png]  
presto耗时0.99秒，性能提升，秒级查询。

##### 2.4.4.2 #####

select max(dt) from hive.gmall.dws_uv_detail_day

hive查询耗时4.65秒  
![在这里插入图片描述][f4f6be164ae04b19a7c26743b79f36c6.png]  
Presto查询  
![在这里插入图片描述][7a7b5c6df1174398aabe6cb2c8ea7d4e.png]  
presto耗时0.92秒，性能提升，秒级查询。

注：由于当前本地虚拟机，内存给的是4G，性能有所限制，如果是实际生产环境内存64G+情况下，性能更优！  
![在这里插入图片描述][7d1da21be1e44908b89b639414a1f763.png]

### 2.5 Presto优化 ###

#### 2.5.1 合理设置分区 ####

与Hive类似，Presto会根据元数据信息读取分区数据，合理的分区能减少Presto数据读取量，提升查询性能。

#### 2.5.2 使用列式存储 ####

Presto对ORC文件读取做了特定优化，因此在Hive中创建Presto使用的表时，建议采用ORC格式存储。相对于Parquet，Presto对ORC支持更好。

#### 2.5.3 使用压缩 ####

数据压缩可以减少节点间数据传输对IO带宽压力，对于即席查询需要快速解压，建议采用Snappy压缩。

## 3 Druid ##

### 3.1 Druid简介 ###

Druid是一个快速的列式分布式的支持实时分析的数据存储系统。它在处理PB级别数据、毫秒级查询、数据实时处理方面，比传统的OLAP系统又显著性能提升。

### 3.2 Druid特点和应用场景 ###

① 列式存储  
② 可扩展的分布式系统  
③ 大规模的并行处理  
④ 实时或批量摄取  
⑤ 自愈，自平衡，易操作  
⑥ 数据进行有效的语句和或预计算  
⑦ 数据结果应用Bitmap压缩算法

应用场景：  
① 适用于清洗好的记录实时录入，但不需要更新操作  
② 适用于支持宽表，不用Join的方式(即就是一张表)  
③ 适用于可以总结出基础的统计指标，用一个字段表示  
④ 适用于实时性要求高

### 3.3 Druid框架 ###

![在这里插入图片描述][3916e1c6f3114c96b9f521e14a645c2b.png]

### 3.4 Druid数据结构 ###

与Druid架构相辅相成的是其基于DataSource与Segment的数据结构，它们共同成就了Druid的高性能优势。  
![在这里插入图片描述][2bb02a78f7624d1c9f077ba112f1ab98.png]

### 3.5 Druid安装 ###

#### 3.5.1 安装包下载 ####

从https://imply.io/get-started 下载最新版本安装包

#### 3.5.2 安装部署 ####

1）将imply-2.7.10.tar.gz上传到hadoop102的/opt/software目录下，并解压

tar -zxvf imply-2.7.10.tar.gz

2）修改imply-2.7.10名称为imply  
3）修改配置文件  
（1）修改Druid的ZK配置

vim imply/conf/druid/_common/common.runtime.properties

![在这里插入图片描述][199bdd3497114768b009ea690af189b6.png]  
（2）修改启动命令参数，使其不校验不启动内置ZK

vim imply/conf/supervise/quickstart.conf

![在这里插入图片描述][383f830c2f33477487073dd51411ce3c.png]  
4）启动  
（1）启动Zookeeper

./zkServer.sh statrt

（2）启动imply

bin/supervise  -c conf/supervise/quickstart.conf

#### 3.5.3 Web页面使用 ####

1）登录wavehouse-1:9095查看  
![在这里插入图片描述][55208f2a70684b939be68439f38ea901.png]  
2）点击Load data->点击Apache Kafka  
设置kafka集群和主题  
![在这里插入图片描述][026f588c82a54c7ebc7357c34035e040.png]  
3）确认数据样本格式  
![在这里插入图片描述][b170a6e4b80a41a38581ff201a071bd7.png]  
4) 加载数据，必须要有时间字段  
5）选择需要加载的项  
![在这里插入图片描述][4669e367711b4e25a3b0a44162f50328.png]  
6）创建数据库表名  
![在这里插入图片描述][7b853ad9bee44750a77533d7719e8746.png]  
7) 确认一下配置  
![在这里插入图片描述][e4a670fbb7ad46ab9892051d6449749d.png]  
8）连接Kafka的topic\_start  
![在这里插入图片描述][2bc19918a3c44571adc6bbe8b63abc92.png]  
9) 选择SQL,查询指标

select sum(uid) from "topic_start"

![在这里插入图片描述][fc7c29de20c642f1bfe45b9ca258a10f.png]

## 4 Kylin ##

### 4.1 Kylin介绍 ###

Apache Kylin是一个开源的分布式分析引擎，提供Hadoop/Spark之上的SQL查询接口及多维分析（OLAP）能力以支持超大规模数据，最初由eBay开发并贡献至开源社区。它能在亚秒内查询巨大的Hive表。

### 4.2 Kylin架构 ###

![在这里插入图片描述][95cb47d568c7446bbb14427849de3ef9.png]  
1）REST Server  
REST Server是一套面向应用程序开发的入口点，旨在实现针对Kylin平台的应用开发工作。 此类应用程序可以提供查询、获取结果、触发cube构建任务、获取元数据以及获取用户权限等等。另外可以通过Restful接口实现SQL查询。  
2）查询引擎（Query Engine）  
当cube准备就绪后，查询引擎就能够获取并解析用户查询。它随后会与系统中的其它组件进行交互，从而向用户返回对应的结果。  
3）路由器（Routing）  
在最初设计时曾考虑过将Kylin不能执行的查询引导去Hive中继续执行，但在实践后发现Hive与Kylin的速度差异过大，导致用户无法对查询的速度有一致的期望，很可能大多数查询几秒内就返回结果了，而有些查询则要等几分钟到几十分钟，因此体验非常糟糕。最后这个路由功能在发行版中默认关闭。  
4）元数据管理工具（Metadata）  
Kylin是一款元数据驱动型应用程序。元数据管理工具是一大关键性组件，用于对保存在Kylin当中的所有元数据进行管理，其中包括最为重要的cube元数据。其它全部组件的正常运作都需以元数据管理工具为基础。 Kylin的元数据存储在hbase中。  
5）任务引擎（Cube Build Engine）  
这套引擎的设计目的在于处理所有离线任务，其中包括shell脚本、Java API以及Map Reduce任务等等。任务引擎对Kylin当中的全部任务加以管理与协调，从而确保每一项任务都能得到切实执行并解决其间出现的故障。

### 4.3 Kyllin特点 ###

Kylin的主要特点包括支持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。  
1）标准SQL接口：Kylin是以标准的SQL作为对外服务的接口。  
2）支持超大数据集：Kylin对于大数据的支撑能力可能是目前所有技术中最为领先的。早在2015年eBay的生产环境中就能支持百亿记录的秒级查询，之后在移动的应用场景中又有了千亿记录秒级查询的案例。  
3）亚秒级响应：Kylin拥有优异的查询响应速度，这点得益于预计算，很多复杂的计算，比如连接、聚合，在离线的预计算过程中就已经完成，这大大降低了查询时刻所需的计算量，提高了响应速度。  
4）可伸缩性和高吞吐率：单节点Kylin可实现每秒70个查询，还可以搭建Kylin的集群。  
5）BI工具集成  
Kylin可以与现有的BI工具集成，具体包括如下内容。  
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

### 4.4 Kylin安装 ###

安装Kylin前需先部署好Hadoop、Hive、Zookeeper、HBase，并且需要在/etc/profile中配置以下环境变量HADOOP\_HOME，HIVE\_HOME，HBASE\_HOME，记得source使其生效。  
[HBASE安装详细见这篇文章][HBASE]  
1）下载Kylin安装包  
下载地址：http://kylin.apache.org/cn/download/  
2）解压apache-kylin-2.5.1-bin-hbase1x.tar.gz  
3）启动  
（1）启动Kylin之前，需先启动Hadoop（hdfs，yarn，jobhistoryserver）、Zookeeper、Hbase  
（2）启动Kylin

bin/kylin.sh start

看到如下页面说明kylin启动成功  
![在这里插入图片描述][c62f27c51dd64503823432de0ebe5f09.png]  
4） 访问URL  
在http://wavehouse-1:7070/kylin查看Web页面  
用户名为：ADMIN，密码为：KYLIN（系统已填）  
![在这里插入图片描述][56f98b8611fa4e01a48a8e488553e27e.png]

### 4.5 Kylin使用 ###

以gmall数据仓库中的dwd\_payment\_info作为事实表，dwd\_order\_info\_his、dwd\_user\_info作为维度表，构建星型模型，并演示如何使用Kylin进行OLAP分析。

#### 4.5.1 创建工程 ####

1.  选择‘+’按钮  
    ![在这里插入图片描述][b5ed8642d80b4838b6201eae18bf7fed.png]
2.  填写项目名称描述信息  
    ![在这里插入图片描述][f1cc2a6102514284bbb934d9878a86e1.png]

#### 4.5.2 获取数据源 ####

1.  选择datasource  
    2） 选择导入表  
    ![在这里插入图片描述][89cf645b9f0941d1b0181968798eee0f.png]
2.  选择所需数据表，并点击Sync按钮  
    ![在这里插入图片描述][e0f7ef40de83428e95a1be8792997a26.png]

#### 4.5.3 创建model ####

1）点击Models，点击"+New"按钮，点击"★New Model"按钮。  
![在这里插入图片描述][2be4ad3231bd47fc9f2417c1da77b332.png]  
2）填写Model信息，点击Next  
![在这里插入图片描述][d9d5cfef2b314e44b0d08a2c9b07cb26.png]  
3）指定事实表  
![在这里插入图片描述][723322ff3d084a8d940829f7052e22cd.png]

4）选择维度表，并指定事实表和维度表的关联条件，点击Ok  
![在这里插入图片描述][4786d630042c4577a298ac1ed9741139.png]  
维度表添加完毕之后，点击Next  
![在这里插入图片描述][83cbfa0b6482462f8004bb79e632d8c1.png]  
5）指定维度字段，并点击Next  
![在这里插入图片描述][4530abedc24f49aab99484c147053f0e.png]  
6）指定度量字段，并点击Next  
![在这里插入图片描述][846b243c6f6d4c5fa83949bfd1197aee.png]  
7）指定事实表分区字段（仅支持时间分区），点击Save按钮，model创建完毕  
![在这里插入图片描述][1210aee0e945479899bf4a462f8cb7f3.png]

#### 4.5.4 构建cube ####

1）点击new， 并点击new cube  
![在这里插入图片描述][74ce74360d9249548d6fa59e17777766.png]  
2）填写cube信息，选择cube所依赖的model，并点击next  
![在这里插入图片描述][b7345945456f4e07baaa8602f48ccea4.png]  
3）选择所需的维度，如下图所示  
![在这里插入图片描述][7196d6003ad54f6bb3e94ec13efe86a4.png]  
![在这里插入图片描述][55aebe5d17d8419595b418a7bc837cdc.png]  
4）选择所需度量值，如下图所示  
![在这里插入图片描述][14933bb14e184c46b648acc32bdc9207.png]  
5）cube自动合并设置，cube需按照日期分区字段每天进行构建，每次构建的结果会保存在  
Hbase中的一张表内，为提高查询效率，需将每日的cube进行合并，此处可设置合并周期。  
![在这里插入图片描述][2d2ef1c5b21542dfb55323fb9cdb709d.png]  
6）Kylin高级配置（优化相关，暂时跳过）  
![在这里插入图片描述][66491f4c56f44ad483f434ad82156685.png]  
7）Kylin相关属性配置覆盖  
![在这里插入图片描述][40ca0b65002044bfba255c4864d458a5.png]  
8）Cube信息总览，点击Save，Cube创建完成  
![在这里插入图片描述][0b6e49dd49904430acd5394624b96eff.png]  
9）构建Cube（计算），点击对应Cube的action按钮，选择build  
![在这里插入图片描述][a5631fced8a44208bb741f9065dceb93.png]  
10）选择要构建的时间区间，点击Submit  
![在这里插入图片描述][bddf0a2f6b5c4c1a9372c43d042b413b.png]

11）点击Monitor查看构建进度  
![在这里插入图片描述][06c0f8620e0042d1a96bfc2c0f3ef9b0.png]

#### 4.5.6 使用进阶 ####

执行上述流程之后，发现报错如下：  
![在这里插入图片描述][0b72d976434d417c8a0fd393a148a9b0.png]  
错误原因：上述错误原因是由于model中的维度表dwd\_order\_info\_his为拉链表，dwd\_user\_info为每日全量表，故使用整张表作为维度表，必然会出现同同一个order\_id或user\_id对应多条数据的问题.又两种解决方案：  
方案一：在hive中创建维度表的临时表，该临时表中只存放维度表最新的一份完整的数据，在kylin中创建模型时选择该临时表作为维度表。  
方案二：与方案一思路相同，但不使用物理临时表，而选用视图（view）实现相同的功能。

#### 4.5.7 采用方案二 ####

（1）创建维度表视图

CREATE VIEW dwd_user_info_view as select * from dwd_user_info
    WHERE dt='2023-01-04';
    CREATE VIEW dwd_order_info_view as select * from dwd_order_info
    WHERE dt='2023-01-04';

（2）在DataSource中导入新创建的视图，之前的维度表，可选择性删除。  
![在这里插入图片描述][63573768e578444da576496712696cef.png]  
修改后：  
![在这里插入图片描述][b6838be54cb943db86e12dd07b91431f.png]  
（3）重新创建model、cube  
（4）等待重新构建  
![在这里插入图片描述][3d5acbb6c3b6426299e433455422faf0.png]  
（5）查询结果  
例1：

select user_level,sum(TOTAL_AMOUNT) from DWD_PAYMENT_INFO t1 join DWD_USER_INFO_VIEW t2 on t1.USER_ID = t2.ID
    group by user_level

![在这里插入图片描述][d8e6917800b5411caa99af54097553b7.png]  
可发现当前耗时0.15秒，可以在在亚秒级别返回。

例2：增加一个性别维度查询

select user_level,gender,sum(TOTAL_AMOUNT) from DWD_PAYMENT_INFO t1 join DWD_USER_INFO_VIEW t2 on t1.USER_ID = t2.ID
    group by user_level,gender

![在这里插入图片描述][6243b4241c2e4b249534a306a7f68beb.png]  
只需要0.09秒，可以在在亚秒级别返回。

#### 4.5.8 Kylin BI工具 ####

##### 4.5.8.1JDBC #####

项目中导入maven依赖，即可开发，这里不再赘述

<dependencies>
            <dependency>
                <groupId>org.apache.kylin</groupId>
                <artifactId>kylin-jdbc</artifactId>
                <version>2.5.1</version>
            </dependency>
        </dependencies>

##### 4.5.8.2 Zepplin #####

1）Zepplin安装与启动  
（1）将zeppelin-0.8.0-bin-all.tgz上传至Linux  
（2）解压zeppelin-0.8.0-bin-all.tgz  
（3）修改名称  
（4）启动

bin/zeppelin-daemon.sh start

![在这里插入图片描述][95f70b4729414fc195b880d10c413db2.png]  
可登录网页查看，web默认端口号为8080  
http://wavehouse-1:8080  
![在这里插入图片描述][44c377ba3a9b42faaa13fc5835c42ab2.png]

2）配置Zepplin支持Kylin  
（1）点击右上角anonymous选择Interpreter  
![在这里插入图片描述][697ad1a7e320468cb4cf326af52c7498.png]  
（2）搜索Kylin插件并修改相应的配置  
![在这里插入图片描述][60a50440236c4af29f041af66d0b51b0.png]  
（3）修改完成点击Save完成  
3) 创建新的note  
![在这里插入图片描述][ab637a0b026f40f09e289bcaef54bcc8.png]  
（2）填写Note Name点击Create  
![在这里插入图片描述][4215b810f6644bc2befa76dd0beb3e31.png]

(3) 输入SQL进行查询  
![在这里插入图片描述][28cd5e3709ee4093b7a29868289ad59e.png]  
（4 ）查看查询结果  
![在这里插入图片描述][78433796de1a4d05b616aad0bc2edbb1.png]

## 5 总结 ##

### 5.1 即席查询对比 ###

Druid/Impala/Presto/Es/Kylin/Spark SQL对比  
![在这里插入图片描述][73949d06bb1c4d45b16168e52e27b52f.png]  
后面是基于CDH搭建数仓项目，详见[《CDH数仓项目(一) —— CDH安装部署搭建详细流程》][CDH_ _ CDH]

[Link 1]: https://blog.csdn.net/Keyuchen_01/article/details/128187621
[Link 2]: https://blog.csdn.net/Keyuchen_01/article/details/128554570
[Link 3]: https://blog.csdn.net/Keyuchen_01/article/details/128570779
[f1863a0fa4e24509ae47d842ff7c1671.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/a9b6cc1f2ac949fca7f466da06dada83.png
[380f836f9b42437e9fdc755a78b90870.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/f6d9bf8e40ad48dab275880d1fb01ad5.png
[bc5d7d66a85045e283814a23da9d76fb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/b676f6917a4e48bdb9f6ea55c55a9263.png
[d7ad5049ad314ad2922ff2c464678926.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/308285c219f1484993d981d19b6c6fda.png
[74c87f5977bf48b09e5d212fffe82474.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/3493098973c848ca882d8f8a5ae123f2.png
[a284fdf04abc42e584dd591bc85b5e43.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/0843364c71d7411d8489bd56fe917403.png
[8069d133a3bd4063885537f83fbee950.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/f21962470f874376a3454edcc1785317.png
[e1808ca49b6e4f02918807ec3a1c7c39.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/5ae227394b7b443da0a8572fb71db1b0.png
[faa2e4f4b62244cbadde3f41326301bd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/3512c55863614ed5abfadf7ec4e36248.png
[ab2ff2af11c24b67b512708ffd89bd90.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/8995b011aa784567a24e39bf07720a50.png
[8d096d19e64543589703bb0d77799cf3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/b9b2dbe32825451bb0fe73242f588f8a.png
[2ea35db5ccd74c09b94a9952b28caa8b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/84065e262d5d4c329a4a1fb36f498b3c.png
[f4f6be164ae04b19a7c26743b79f36c6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/947a7ef7e2234da28268fbfca26a0e08.png
[7a7b5c6df1174398aabe6cb2c8ea7d4e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/e18eaa02f24845fbbf1eba86dfdec704.png
[7d1da21be1e44908b89b639414a1f763.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/3a9cfcd1addb4fd0b00e691d28b4d930.png
[3916e1c6f3114c96b9f521e14a645c2b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/2f2ea036c00a4de381417a6f0a1e9352.png
[2bb02a78f7624d1c9f077ba112f1ab98.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/6c0079d43c5845469fd99d0fe2766d17.png
[199bdd3497114768b009ea690af189b6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/1988929197464a739684d014701798be.png
[383f830c2f33477487073dd51411ce3c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/1846e82a69ab446ebd58fe1749fd1f0e.png
[55208f2a70684b939be68439f38ea901.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/b5fcdfeff54546b5b213f70540b4ac11.png
[026f588c82a54c7ebc7357c34035e040.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/729dc2cb11a247b1bf175bac1fb4489b.png
[b170a6e4b80a41a38581ff201a071bd7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/f0da1fabe23e4a09b7c1ec541751f33b.png
[4669e367711b4e25a3b0a44162f50328.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/5224f4a29a9441b9b61e8eb40871c2e6.png
[7b853ad9bee44750a77533d7719e8746.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/6fcbae24a08d45eeafa19e33a90ec848.png
[e4a670fbb7ad46ab9892051d6449749d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/5883b9e3cddf41e88d32bd67c3738af1.png
[2bc19918a3c44571adc6bbe8b63abc92.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/3836d8ecabc943b58b4d4d620ccfe09c.png
[fc7c29de20c642f1bfe45b9ca258a10f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/6ed452273c374ee7acf147c6b6aa813b.png
[95cb47d568c7446bbb14427849de3ef9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/9c59cdbd15e946b9996ed68bec814e47.png
[HBASE]: https://blog.csdn.net/Keyuchen_01/article/details/116668241
[c62f27c51dd64503823432de0ebe5f09.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/7bc5f25a292f40219397c479dbaadd3c.png
[56f98b8611fa4e01a48a8e488553e27e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/73f80160858145d5920ffe83d1adb6dd.png
[b5ed8642d80b4838b6201eae18bf7fed.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/b5ac65e79cad4e3aac7188f5ffb1abfd.png
[f1cc2a6102514284bbb934d9878a86e1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/29d1ee39f2d24c41b712f47c3df0dbb6.png
[89cf645b9f0941d1b0181968798eee0f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/bd5e52e6aaf445cfab9ec4995e36d9c8.png
[e0f7ef40de83428e95a1be8792997a26.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/53ef86995e8248adafbdd18a48761373.png
[2be4ad3231bd47fc9f2417c1da77b332.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/7127f1b3ffdc42daab305a267772f445.png
[d9d5cfef2b314e44b0d08a2c9b07cb26.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/5131e357d6c24ccda39cdf44d61c9143.png
[723322ff3d084a8d940829f7052e22cd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/e1eceb855f4744dfa3aac8b9637a6bf0.png
[4786d630042c4577a298ac1ed9741139.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/84e2bb6d75d349b7a13f0dd23d5ba791.png
[83cbfa0b6482462f8004bb79e632d8c1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/95049a7309f04b34b4b33639e8fdf226.png
[4530abedc24f49aab99484c147053f0e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/5d8b2184ff554eea8de33ec0dfe0ea2d.png
[846b243c6f6d4c5fa83949bfd1197aee.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/a744514d59d2441abcd860dc63db09b4.png
[1210aee0e945479899bf4a462f8cb7f3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/ef053f83468f4053819e375b37934ffe.png
[74ce74360d9249548d6fa59e17777766.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/65ff33e7f1f743eb9c2c26ba0f8b022f.png
[b7345945456f4e07baaa8602f48ccea4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/cc192f5bbc68415384c9dae7ef76ef79.png
[7196d6003ad54f6bb3e94ec13efe86a4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/9eb792c06d844d41866eedb928edf619.png
[55aebe5d17d8419595b418a7bc837cdc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/8be1aa20f4e0401680b98ca4d74f8f07.png
[14933bb14e184c46b648acc32bdc9207.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/d65e9f43f2384987b130616b7464bdf9.png
[2d2ef1c5b21542dfb55323fb9cdb709d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/fba8d04681bc4d39b7f0e49981c28afd.png
[66491f4c56f44ad483f434ad82156685.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/f3a2b89c35034d569567f1bfb6e7dd12.png
[40ca0b65002044bfba255c4864d458a5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/9ce071870b08471e8058808bd2a12c74.png
[0b6e49dd49904430acd5394624b96eff.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/d200786f083b4d1cbfc8fcface051649.png
[a5631fced8a44208bb741f9065dceb93.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/d1a457e0f1714d3cb341bf0303fe49f4.png
[bddf0a2f6b5c4c1a9372c43d042b413b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/e4c3f82c333d462386e35100bda03fc2.png
[06c0f8620e0042d1a96bfc2c0f3ef9b0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/f38fd1239e69405e8d33f597ef740502.png
[0b72d976434d417c8a0fd393a148a9b0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/28dfb380d27f478dbaddf00d497352ac.png
[63573768e578444da576496712696cef.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/9d2d81d105e24e658c0f8a61cfbb2e1c.png
[b6838be54cb943db86e12dd07b91431f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/7ca719ac3d8e4a3bbf9e77ac21499e74.png
[3d5acbb6c3b6426299e433455422faf0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/182dd39614fa44b5971ba697c777f732.png
[d8e6917800b5411caa99af54097553b7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/685c0d8a5ea2443a9db0a10f45428f7a.png
[6243b4241c2e4b249534a306a7f68beb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/1fcd3b7f96bf49c2b8d36f7a0527751c.png
[95f70b4729414fc195b880d10c413db2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/c8ff6b23a5414842b8239413f18537ca.png
[44c377ba3a9b42faaa13fc5835c42ab2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/84a3a793a8d947e0a851e35cb84d13f5.png
[697ad1a7e320468cb4cf326af52c7498.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/f1d7dcd3a4c649d0afe0791b421ffef6.png
[60a50440236c4af29f041af66d0b51b0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/82fbb310cebb467299bd15f672b8922e.png
[ab637a0b026f40f09e289bcaef54bcc8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/4eb6da78e6104fa1b527fa3d76fe7a6c.png
[4215b810f6644bc2befa76dd0beb3e31.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/7eeccc578e3d4dfab83d91c23d39ea7a.png
[28cd5e3709ee4093b7a29868289ad59e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/673d5203216946aaadea1472eaae9cc9.png
[78433796de1a4d05b616aad0bc2edbb1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/cdc1a398f72142469d78e01edc6934cc.png
[73949d06bb1c4d45b16168e52e27b52f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/30/e41b3a5d96054a21b62c36f47a6cd5aa.png
[CDH_ _ CDH]: https://blog.csdn.net/Keyuchen_01/article/details/128742159