Kylin 与 Spark SQL相比，有哪些差异和优势

缺乏、安全感 2022-07-14 03:42 177阅读 0赞

SparkSQL本质上是基于DAG模型的MPP。而Kylin 核心是Cube(多维立方体)。关于MPP和Cube预处理的差异，重复如下：  
   
> MPP \[1\] 的基本思路是增加机器来并行计算，从而提高查询速度。比如扫描8亿记录一台机器要处理1小时，但如果用100台机器来并行处理，就只要一分钟不到。再配合列式存储和一些索引，查询可以更快返回。要注意这里在线运算量并没有减小，8亿条记录还是要扫描一次，只是参与的机器多了，所以快了。  
   
> MOLAP Cube \[2\]\[3\] 是一种预计算技术，基本思路是预先对数据作多维索引，查询时只扫描索引而不访问原始数据从而提速。8亿记录的一个3维索引可能只有几万条记录，规模大大缩小，所以在线计算量大大减小，查询可以很快。索引表也可以采用列存储，并行扫描等MPP常用的技术。但多维索引要对多维度的各种组合作预计算，离线建索引需要较大计算量和时间，最终索引也会占用较多磁盘空间。  
   
除了有无预处理的差异外，SparkSQL与Kylin对数据集大小的偏好也不一样。如果数据可以基本放入内存，Spark的内存缓存会让SparkSQL有好的表现。但对于超大规模的数据集，Spark也不能避免频繁的磁盘读写，性能会大幅下降。反过来Kylin的Cube预处理会大幅减小在线数据规模，对于超大规模数据更有优势。  
   
\[1\]  [https://en.wikipedia.org/wiki/Massively\_parallel\_(computing)][https_en.wikipedia.org_wiki_Massively_parallel_computing]  
\[2\]  [https://en.wikipedia.org/wiki/MOLAP][https_en.wikipedia.org_wiki_MOLAP]

\[3\] [https://en.wikipedia.org/wiki/OLAP\_cube][https_en.wikipedia.org_wiki_OLAP_cube]

本文转载自小象问答文章：[Kylin 与 Spark SQL相比，有哪些差异和优势][Kylin _ Spark SQL]

[https_en.wikipedia.org_wiki_Massively_parallel_computing]: https://en.wikipedia.org/wiki/Massively_parallel_%28computing%29
[https_en.wikipedia.org_wiki_MOLAP]: https://en.wikipedia.org/wiki/MOLAP
[https_en.wikipedia.org_wiki_OLAP_cube]: https://en.wikipedia.org/wiki/OLAP_cube
[Kylin _ Spark SQL]: http://wenda.chinahadoop.cn/question/867