Apache Kylin的安装和使用

古城微笑少年丶 2023-06-03 06:54 120阅读 0赞

[官网][Link 1]    |     [GitHub][]    |     [文档][Link 2]    |     [下载][Link 3]

# 目录 #

*  1 概览
    
     *  1.1 Kylin是什么
     *  1.2 Kylin的特性
     *  1.3 使用 Apache Kylin 的典型场景
     *  1.4 Kylin 支持多大的数据量表？ 性能怎么样？
     *  1.5 维度和度量
     *  1.6 事实表和维表
 *  2 部署
    
     *  2.1 软件要求
     *  2.2 硬件要求
     *  2.3 下载并解压
     *  2.4 环境变量和 Spark
     *  2.5 检查运行环境
     *  2.6 配置Kylin参数
     *  2.7 启动和停止Kylin
     *  2.8 报错问题解决
     *  2.9 启动后的HDFS目录结构
 *  3 使用
    
     *  3.1 准备数据
     *  3.2 构建Cube
     *  3.3 对构建好的Cube进行查询

--------------------

# 1 概览 #

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。它能在亚秒内查询巨大的Hive表，并支持高并发。Apache Kylin最初由[eBay Inc.][]开发并于2014年10月开源贡献至开源社区，在当年11月成为Apache孵化项目，它也是第一个由中国团队完整贡献到Apache的一个顶级项目。2016年3月其核心开发人员在上海创建[Kyligence公司][Kyligence]，它采用多维立方体预计算技术，可以将大数据的SQL查询速度提升到亚秒级别。相对于之前的分钟乃至小时级别的查询速度，亚秒级别速度是百倍到千倍的提升，该引擎为超大规模数据集上的交互式大数据分析打开了大门。

Apache Kylin的使命是超高速的大数据OLAP（Online Analytical Processing），也就是要让大数据分析像使用数据库一样简单迅速，用户的查询请求可以在秒内返回，交互式数据分析将以前所未有的速度释放大数据里潜藏的知识和信息，让我们在面对未来的挑战时占得先机。

## 1.1 Kylin是什么 ##

*  可扩展超快的基于大数据的OLAP引擎：Kylin是为减少在Hadoop/Spark上百亿规模数据查询延迟而设计；
 *  Hadoop ANSI SQL 接口：作为一个OLAP引擎，Kylin为Hadoop提供标准SQL支持大部分查询功能；
 *  交互式查询能力：通过Kylin，用户可以与Hadoop数据进行亚秒级交互，在同样的数据集上提供比Hive更好的性能；
 *  多维立方体（MOLAP Cube）：用户能够在Kylin里为百亿以上数据集定义数据模型并构建立方体；
 *  实时 OLAP：Kylin可以在数据产生时进行实时处理，用户可以在秒级延迟下进行实时数据的多维分析；
 *  与BI工具无缝整合：Kylin提供与BI工具的整合能力，如Tableau，PowerBI/Excel，MSTR，QlikSense，Hue和SuperSet。

## 1.2 Kylin的特性 ##

*  Job管理与监控
 *  压缩与编码
 *  增量更新
 *  利用HBase Coprocessor
 *  基于HyperLogLog的Dinstinc Count近似算法
 *  友好的web界面以管理，监控和使用立方体
 *  项目及表级别的访问控制安全
 *  支持LDAP、SSO

## 1.3 使用 Apache Kylin 的典型场景 ##

如果用户有一个巨大的表 (如：超过 1 亿行) 与维表进行 JOIN，而且查询需要在仪表盘、交互式报告、BI (商务智能) 中完成，用户并发数量为几十个或者几百个，那么 Kylin 是最好的选择。Kylin的核心思想是利用空间换时间，将计算好的多维数据结果存入HBase，实现数据的快速查询。同时，由于Apache Kylin在查询方面制定了多种灵活的策略，进一步提高空间的利用率，使得这样的平衡策略在应用中值得采用。

## 1.4 Kylin 支持多大的数据量表？ 性能怎么样？ ##

Kylin 可以支持 TB 到 PB 级数据集的亚秒级查询。 这已经被 eBay，美团，头条等用户验证过。 以美团的案例为例（至 2018-08），973 个 Cube，每天 380 万个查询，原始数据 8.9 万亿，总 Cube 大小 971 TB（原始数据更大），50％查询在 <0.5 秒内完成，90％ 查询 <1.2秒。

## 1.5 维度和度量 ##

简单来讲，**维度**就是观察数据的角度。比如电商的销售数据，可以从时间的维度来观察，也可以进一步细化，从时间和地区的维度来观察。维度一般是一组离散的值，比如时间维度上的每一个独立的日期，或者商品维度上的每一件独立的商品。因此统计时可以把维度值相同的记录聚合在一起，然后应用聚合函数做累加、平均、去重复计数等聚合计算。

**度量**就是被聚合的统计值，也是聚合运算的结果，它一般是连续的值，例如在电商销售数据中的销售额，抑或是销售商品的总件数。通过比较和测算度量，分析师可以对数据进行评估，比如今年的销售额相比去年有多大的增长，增长的速度是否达到预期，不同商品类别的增长比例是否合理等。

## 1.6 事实表和维表 ##

**事实表**是用来记录事件的，包含了每个事件的具体要素，以及具体发生的事情。**维表**则是对事实表中事件的要素的描述信息。

比如，事实表的一条数据中可能会包含唯一标记符（主键）、时间、地点、人物和事件等，也就是记录了整个事件的信息，但是对地点和人物等只是用关键标识符来表示，比如一串数字、字母或者数字字母组成，而这些关键标记的具体含义，我们可以从维表中获取。基于事实表和维表就可以构建出多种维度模型，包括最常见的星型模型、雪花型模型。有的公司还会使用星座模型，这个模型是由星型模型扩展而来的，为了表示多个事实之间的关系，可以共享多个维度，这些共享维度对每个拥有它的事实表来说都具有相同的意义。

# 2 部署 #

本次安装部署Apache Kylin 版本为 2.6.3。Kylin的安装方式有多种，常见的主要有如下几种：

**单实例部署方式**。在Hadoop的一个节点上部署，然后启动Kylin，这种部署方式简单快捷，但是当并发请求比较多（QPS>50）时将会产生性能瓶颈。

**Docker方式部署**。这种部署时将Kylin等依赖的服务以容器的方式启动，部署时需要环境中安装Docker（关于Docker的安装可以参考我的博客[Spring Cloud 项目中 Docker 的使用][Spring Cloud _ Docker]），执行Docker命令先拉取一份镜像，时间长短取决于网络，当完成镜像的下载后，执行docker命令启动容器，它会自动启动Hadoop、HBase、Kafka、Kylin等服务。这种方式部署比较简单，但是对硬件有要求，保中容器可用的内存不少于8GB。

**集群方式部署**。较单实例部署来说增加了Kylin的节点数，因为Kylin的元数据存储在HBase中，只需要在Kylin中配置让每个节点都能访问同一个Metadata表(kylin.metadata.url=kylin\_metadata@hbase)就可以搭建一个Kylin集群，如上图所示，并且Kylin集群中只有一个Kylin实例运行任务引擎（kylin.server.mode=all），其它实例都是查询引擎（kylin.server.mode=query）模式，对于有多个查询引擎为了实现负载均衡，可以通过Nginx来实现，这方方式搭建稍微复杂些，还要和Nginx进行集成，但是对于一般场景下，这种方式是比较好的选择，而且也能解决单实例的性能瓶颈问题。  
![Kylin集群部署][Kylin]

**读写分离的Kylin集群**。因为Kylin的工作负载一般又有两种，第一种是Cube计算，会产生密集的CPU和IO资源调用，第二种是在线的实时查询计算，对Cube计算结束后进行的查询，而且都是只读操作，要求相应快速、延迟低。例如我们的义务主要是在夜间执行Cube的计算，而白天上班时间进行查询分析，就比较适合使用第三种方式。

**Staging和Production多环境的部署**。这是一种更高级的部署方式，在做开发时，由于生产环境比较重要，一般都是先在测试环境测试，通过后没有问题了再部署到生产环境，那么在开发测试时，可以部署到Staging（Production生产环境的一个镜像，可以理解为一个测试环境），没有问题了之后才会发布到Production生产环境，这样可以避免不当的设计导致对生产环境的破坏，Kylin提供了一个工具，几分钟就可以将一个Cube从Staging环境迁移到Production环境。

下面我们主要演示Kylin的使用，因此我们的部署采用第一种方式部署。

## 2.1 软件要求 ##

*  Hadoop: 2.7+, 3.1+ (since v2.5)
 *  Hive: 0.13 - 1.2.1+
 *  HBase: 1.1+, 2.0 (since v2.5)
 *  Spark (可选) 2.3.0+
 *  Kafka (可选) 1.0.0+ (since v2.5)
 *  JDK: 1.8+ (since v2.5)
 *  OS: Linux only, CentOS 6.5+ or Ubuntu 16.0.4+

这里我们的环境里已经安装了 JDK 1.8、CentOS 7、Hadoop 3.1.2、Hive 3.1.1、Zookeeper 3.4.14、HBase 2.2.1，对于安装 Kylin 2.6.3 版本这些硬件要求基本都满足。如果没有安装的可以自行安装这些服务。

Kylin 依赖于 Hadoop 集群处理大量的数据集。您需要准备一个配置好 HDFS，YARN，MapReduce,，Hive， HBase，Zookeeper 和其他服务的 Hadoop 集群供 Kylin 运行。Kylin 可以在 Hadoop 集群的任意节点上启动。方便起见，您可以在 master 节点上运行 Kylin。但为了更好的稳定性，我们建议您将 Kylin 部署在一个干净的 Hadoop client 节点上，该节点上 Hive，HBase，HDFS 等命令行已安装好且 client 配置（如 core-site.xml，hive-site.xml，hbase-site.xml及其他）也已经合理的配置且其可以自动和其它节点同步。运行 Kylin 的 Linux 账户要有访问 Hadoop 集群的权限，包括创建/写入 HDFS 文件夹，Hive 表， HBase 表和提交 MapReduce 任务的权限。  
![安装架构图][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70]

## 2.2 硬件要求 ##

在正式生产环境运行 Kylin 的服务器的最低配置为 4 core CPU，16 GB 内存和 100 GB 磁盘。 对于高负载的场景，建议使用 24 core CPU，64 GB 内存或更高的配置。

## 2.3 下载并解压 ##

# 1 下载。可以访问 https://kylin.apache.org/download/ 下载适合您版本的二级制文件
    # 例如因为前面换进中Hadoop 为3.1.2 ，所以这里下载基于Hadoop 3 的二进制包
    wget http://mirrors.tuna.tsinghua.edu.cn/apache/kylin/apache-kylin-2.6.3/apache-kylin-2.6.3-bin-hadoop3.tar.gz -P /opt/
    
    # 2 解压
    tar -zxf /opt/apache-kylin-2.6.3-bin-hadoop3.tar.gz -C /opt
    cd /opt/apache-kylin-2.6.3-bin-hadoop3
    
    # 3 查看目录。如果没有可以使用这个命令安装：yum -y install tree
    # 目录的详细说明如下：
    # bin: shell 脚本，用于启动／停止 Kylin，备份／恢复 Kylin 元数据，以及一些检查端口、获取 Hive/HBase 依赖的方法等；
    # conf: Hadoop 任务的 XML 配置文件，这些文件的作用可参考配置页面
    # lib: 供外面应用使用的 jar 文件，例如 Hadoop 任务 jar, JDBC 驱动, HBase coprocessor 等.
    # meta_backups: 执行 bin/metastore.sh backup 后的默认的备份目录;
    # sample_cube 用于创建样例 Cube 和表的文件。
    # tomcat: 自带的 tomcat，用于启动 Kylin 服务。
    # tool: 用于执行一些命令行的jar文件。
    tree -L 1
     .
     ├── bin
     ├── commit_SHA1 （文件）
     ├── conf
     ├── lib
     ├── LICENSE   （文件）
     ├── NOTICE    （文件）
     ├── README.md （文件）
     ├── sample_cube
     ├── tomcat
     └── tool

## 2.4 环境变量和 Spark ##

配置Kylin环境变量 vim /etc/profile，添加如下

export KYLIN_HOME=/opt/apache-kylin-2.6.3-bin-hadoop3

从 v2.6.1 开始，Kylin 不再包含 Spark 二进制包; 我们需要另外下载 Spark，然后设置`SPARK_HOME`系统变量（**一定要设置**）到 Spark 安装目录：

# 下载Spark
    wget http://mirrors.tuna.tsinghua.edu.cn/apache/spark/spark-2.3.4/spark-2.3.4-bin-hadoop2.7.tgz
    
    # 解压
    tar -zxvf spark-2.3.4-bin-hadoop2.7.tgz -C $KYLIN_HOME
    
    # 重命名spark文件
    mv $KYLIN_HOME/spark-2.3.4-bin-hadoop2.7 $KYLIN_HOME/spark
    
    # Remove unused components in Spark
    rm -rf $KYLIN_HOME/spark/lib/spark-examples-*
    rm -rf $KYLIN_HOME/spark/examples
    rm -rf $KYLIN_HOME/spark/data
    rm -rf $KYLIN_HOME/spark/R

也可以执行Kylin自带的脚本，这种方式会下载**Spark 2.3.2**、 Hadoop的版本是**Hadoop 2.7**，如果网络有限制或者版本有要求，不推荐用这种方式的。

# 执行脚本下载 spark-2.3.2-bin-hadoop2.7.tgz
    # 
    # 这种方式会将Spark下载到 /tmp/spark_package
    # 会自动访问 http://archive.apache.org/dist/spark/spark-2.3.2/spark-2.3.2-bin-hadoop2.7.tgz
    $KYLIN_HOME/bin/download-spark.sh

## 2.5 检查运行环境 ##

Kylin 运行在 Hadoop 集群上，对各个组件的版本、访问权限及 CLASSPATH 等都有一定的要求，为了避免遇到各种环境问题，我们可以运行Kylin自带的脚本来进行环境检测，如果我们的环境存在任何的问题，脚本将打印出详细报错信息。如果没有报错信息，代表我们的环境适合 Kylin 运行。

# 检查运行环境
    $KYLIN_HOME/bin/check-env.sh
    
    # 检查Kylin依赖的 HBase 是否完整
    $KYLIN_HOME/bin/find-hbase-dependency.sh
    
    # 检查Kylin依赖的 Hive 是否完整
    $KYLIN_HOME/bin/find-hive-dependency.sh

## 2.6 配置Kylin参数 ##

Kylin 会自动从环境中读取 Hadoop 配置（`core-site.xml`），Hive 配置（`hive-site.xml`）和 HBase 配置（`hbase-site.xml`），另外Kylin 的配置文件在 `$KYLIN_HOME/conf/` 目录下，配置文件的目录结构如下

[root@cdh1 conf]# tree -L 1
     .
     ├── kylin_hive_conf.xml               # 该文件包含了 Hive 任务的配置项
     ├── kylin_job_conf_inmem.xml          # 该文件包含了 MapReduce 任务的配置项。当执行 In-mem Cubing 任务时，需要在改文件中为 mapper 申请更多的内存
     ├── kylin_job_conf.xml                # 该文件包含了 MapReduce 任务的配置项。
     ├── kylin-kafka-consumer.xml          # 该文件包含了 Kafka 任务的配置项。
     ├── kylin.properties                  # 该文件是 Kylin 使用的全局配置文件。
     ├── kylin-server-log4j.properties     # 该文件包含了 Kylin 服务器的日志配置项。
     ├── kylin-spark-log4j.properties
     ├── kylin-tools-log4j.properties      # 该文件包含了 Kylin 命令行的日志配置项。
     └── setenv.sh # 该文件是用于设置环境变量的 shell 脚本，可以通过 KYLIN_JVM_SETTINGS 调整 Kylin JVM 栈的大小，且可以设置 KAFKA_HOME 等其他环境变量。

Kylin的配置文件主要是 [kylin.properties][]，重要的配置如下，其它配置可以查看官方的配置文档。

# 同一个Metadata表。默认HBase表为kylin_metadata。主要用来保存元数据
    kylin.metadata.url=kylin_metadata@hbase
    # 指定 Kylin 服务所用的 HDFS 路径，默认值为 /kylin
    kylin.env.hdfs-working-dir=/kylin
    # 指定 Kylin 部署的用途，参数值可选 DEV。可选参数：DEV、QA、PROD
    # DEV will turn on some dev features, QA and PROD has no difference in terms of functions.
    # 在 DEV 模式下一些开发者功能将被启用
    kylin.env=DEV
    # 指定 Kylin 服务所用的 ZooKeeper 路径，默认值为 /kylin
    kylin.env.zookeeper-base-path=/kylin
    # 指定 Kylin 实例的运行模式，参数值可选 all， job， query，默认值为 all
    # job 模式代表该服务仅用于任务调度，不用于查询；
    # query 模式代表该服务仅用于查询，不用于构建任务的调度；
    # all 模式代表该服务同时用于任务调度和 SQL 查询。
    # all表示既可以运行job引擎，又可以运行query引擎。在一个Kylin引擎下只能运行一个Job引擎
    kylin.server.mode=all
    # 指定集群名称
    kylin.server.cluster-name=my-kylin
    # List of web servers in use, this enables one web server instance to sync up with other servers.
    kylin.server.cluster-servers=cdh1:7070
    # 指定 Kylin 的 REST 服务所使用的时区，默认值为 GMT+8，（默认东八区，?）
    kylin.web.timezone=GMT+8
    # 是否支持跨域访问，默认值为 TRUE
    kylin.web.cross-domain-enabled=true
    # 是否启用 Dashboard，默认值为 FALSE
    kylin.web.dashboard-enabled=true
    
    #### JOB ###
    # 作业失败时最大尝试的次数，默认为0，不进行尝试
    kylin.job.retry=3
    # 作业的最大并行度，默认为10
    kylin.job.max-concurrent-jobs=10
    
    ### 邮件通知设置
    ## If true, will send email notification on job complete
    ##kylin.job.notification-enabled=true
    ##kylin.job.notification-mail-enable-starttls=true
    ##kylin.job.notification-mail-host=smtp.office365.com
    ##kylin.job.notification-mail-port=587
    ##kylin.job.notification-mail-username=kylin@example.com
    ##kylin.job.notification-mail-password=mypassword
    ##kylin.job.notification-mail-sender=kylin@example.com
    
    #### ENGINE ###
    # reduce阶段默认输入的大小，默认为500MB
    kylin.engine.mr.reduce-input-mb=500
    
    #### SOURCE ###
    # Kylin作业工程中产生的中间表存放在Hive的库名，默认在 default
    kylin.source.hive.database-for-flat-table=default
    # Hive client类型, valid value [cli, beeline]
    # 如果系统支持持beeline，可以修改为beeline
    kylin.source.hive.client=cli
    # Parameters for beeline client, only necessary if hive client is beeline
    # 当使用beeline时需要配置此参数
    #kylin.source.hive.beeline-params=-n root --hiveconf hive.security.authorization.sqlstd.confwhitelist.append='mapreduce.job.*|dfs.*' -u jdbc:hive2://localhost:10000
    
    
    #### STORAGE ###
    # The storage for final cube file in hbase
    kylin.storage.url=hbase
    # htable表的压缩编解码方式 , valid value [none, snappy, lzo, gzip, lz4]
    kylin.storage.hbase.compression-codec=none
    # HBase的region切分大小，默认为5GB
    kylin.storage.hbase.region-cut-gb=5
    # HBase表的底层存储的HFile大小，越小的HFile，导致转换HFile的MR就会有更多的reduces，并且处理的速度更快
    # 如果设置为0，则取消这个优化策略。默认为2GB
    kylin.storage.hbase.hfile-size-gb=2

## 2.7 启动和停止Kylin ##

# 启动
    $KYLIN_HOME/bin/kylin.sh start
    
    # 关闭
    $KYLIN_HOME/bin/kylin.sh stop
    
    # 查看Kylin后台进程
    ps -ef | grep kylin

启动成功后控制台会打印如下信息，此时我们可以看到Kylin的Web UI信息。

Retrieving hadoop conf dir...
    KYLIN_HOME is set to /opt/apache-kylin-2.6.3-bin-hadoop3
    Retrieving hive dependency...
    Retrieving hbase dependency...
    Retrieving hadoop conf dir...
    Retrieving kafka dependency...
    Retrieving Spark dependency...
    Start to check whether we need to migrate acl tables
    Retrieving hive dependency...
    Retrieving hbase dependency...
    Retrieving hadoop conf dir...
    Retrieving kafka dependency...
    Retrieving Spark dependency...
    ……
    
    A new Kylin instance is started by root. To stop it, run 'kylin.sh stop'
    Check the log at /opt/apache-kylin-2.6.3-bin-hadoop3/logs/kylin.log
    Web UI is at http://node1:7070/kylin

## 2.8 报错问题解决 ##

初次安装可能会出现一些问题，不要慌张，通过查看日志信息可以找到对应的解决方法，这里列出来常见的几个错误的解决，有些错误也是笔者踩过的巨坑，希望大家不要走了弯路。

**错误1**：如果启动时报无法通过指定的URL找到Kylin在HBase的元信息表：

Exception in thread "main" java.lang.IllegalArgumentException: Failed to find metadata store by url: kylin_metadata@hbase
    	at org.apache.kylin.common.persistence.ResourceStore.createResourceStore(ResourceStore.java:99)
    	at org.apache.kylin.common.persistence.ResourceStore.getStore(ResourceStore.java:111)
    	at org.apache.kylin.rest.service.AclTableMigrationTool.checkIfNeedMigrate(AclTableMigrationTool.java:99)
    	at org.apache.kylin.tool.AclTableMigrationCLI.main(AclTableMigrationCLI.java:43)
    Caused by: java.lang.reflect.InvocationTargetException
    	at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)
    	at sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.java:62)
    	at sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.java:45)
    	at java.lang.reflect.Constructor.newInstance(Constructor.java:423)
    	at org.apache.kylin.common.persistence.ResourceStore.createResourceStore(ResourceStore.java:92)
    	... 3 more

这种问题是因为HBase或者ZooKeeper或者HDFS上的元信息没有彻底删除或者权限不够，导致信息初始化不完整，因此可以先保证Kylin配置文件中关于HDFS上的路径有相应的权限，如果HBase有初始化的表，进入HBase shell 删除对应的表，最后进入ZooKeeper的Cli将Kylin和HBase的ZNode节点信息删除，再重启Kylin进行元信息的初始化，必要时可能还需要重启系统:

# 进入 zkCli.sh ，对znode进行操作
    [root@cdh1 logs]# zkCli.sh
    
    # 删除如下信息
    [zk: localhost:2181(CONNECTED) 1] rmr /kylin/kylin_metadata
    [zk: localhost:2181(CONNECTED) 2] rmr /hbase/table/kylin_metadata

**错误2**：启动时成功的，但至当我们访问[http://:7070/kylin][http_7070_kylin]时发现无法访问，因此查看日志`cat $KYLIN_HOME/logs/kylin.out`，发现如下错误。这个错误情况比较复杂，如果Web UI可能正常访问，此问题可以不用管，因为我们没有设置https访问。但是如果WebUI不能访问，需要我们解决了。

Caused by: org.apache.catalina.LifecycleException: Protocol handler initialization failed
    	at org.apache.catalina.connector.Connector.initInternal(Connector.java:995)
    	at org.apache.catalina.util.LifecycleBase.init(LifecycleBase.java:107)
    	... 18 more
    Caused by: java.lang.IllegalArgumentException: /opt/apache-kylin-2.6.3-bin-hadoop3/tomcat/conf/.keystore (没有那个文件或目录)
    	at org.apache.tomcat.util.net.AbstractJsseEndpoint.createSSLContext(AbstractJsseEndpoint.java:115)
    	at org.apache.tomcat.util.net.AbstractJsseEndpoint.initialiseSsl(AbstractJsseEndpoint.java:86)
    	at org.apache.tomcat.util.net.NioEndpoint.bind(NioEndpoint.java:244)
    	at org.apache.tomcat.util.net.AbstractEndpoint.init(AbstractEndpoint.java:1087)
    	at org.apache.tomcat.util.net.AbstractJsseEndpoint.init(AbstractJsseEndpoint.java:265)
    	at org.apache.coyote.AbstractProtocol.init(AbstractProtocol.java:581)
    	at org.apache.coyote.http11.AbstractHttp11Protocol.init(AbstractHttp11Protocol.java:68)
    	at org.apache.catalina.connector.Connector.initInternal(Connector.java:993)
    	... 19 more

从日志中可以看到端口初始化失败，紧接着是 `/opt/apache-kylin-2.6.3-bin-hadoop3/tomcat/conf/` 没有`.keystore` ，因此我们首先排查报错的那个路径是否有对应的写权限，查看这个目录的权限,赋予权限后重启。

# 1 进入到 conf 目录下
    [root@node1 conf]# cd /opt/apache-kylin-2.6.3-bin-hadoop3/tomcat/conf/
    
    # 1.1 查看信息，发现这个目录下的文件下权限不够，因此赋予权限
    [root@node1 conf]# ll
    总用量 252
    drwxr-xr-x 3 root root     23 10月  6 03:16 Catalina
    -rw-r--r-- 1 root root  13548 6月  27 19:25 catalina.policy
    -rw-r--r-- 1 root root   7746 6月  27 19:25 catalina.properties
    -rw-r--r-- 1 root root   7746 6月  27 19:25 catalina.properties.bak
    -rw-r--r-- 1 root root   1534 6月  27 19:25 context.xml
    -rw-r--r-- 1 root root   1338 6月  27 19:25 context.xml.bak
    -rw-r--r-- 1 root root   1149 6月  27 19:25 jaspic-providers.xml
    -rw-r--r-- 1 root root   2313 6月  27 19:25 jaspic-providers.xsd
    -rw-r--r-- 1 root root   3622 6月  27 19:25 logging.properties
    -rw-r--r-- 1 root root   7157 6月  27 19:25 server.xml
    -rw-r--r-- 1 root root   7511 6月  27 19:25 server.xml.bak
    -rw-r--r-- 1 root root   7157 6月  27 19:25 server.xml.init
    -rw-r--r-- 1 root root   2164 6月  27 19:25 tomcat-users.xml
    -rw-r--r-- 1 root root   2633 6月  27 19:25 tomcat-users.xsd
    -rw-r--r-- 1 root root 169322 6月  27 19:25 web.xml
    
    [root@cdh1 conf]# cd ..
    # 1.2 conf先的文件权限赋为 755
    [root@cdh1 tomcat]# chmod 755 -R ./conf

重启后再次访问Web UI看是否可能正常访问，如果还是无法正常访问，可以修改Kylin自带的Tomcat的配置文件，将https相关的配置注释掉。

# 2 去掉Kylin自带的Tomcat配置文件中的htts
    vim $KYLIN_HOME/tomcat/conf/server.xml
    
    # 2.1 搜做https并将其注释掉
    
    
    # 2.2 再次重启

**错误3**：这个错误隐藏的比较深，也是比较常见的错误，因为在启动的时候，我们可以从启动控制台打印的日志里看到并没有加载Hive的lib下的依赖，但是当我们执行关于Hive操作时（例如Job执行时、数据导入时等）就会在Web UI页面提示因为某个类导致了失败，此时我们查看Kylin的日志cat `$KYLIN_HOME/logs/kylin.out`，会发下如下的错误，网上也有一些解决方法（在系统环境变量添加`export hive_dependency=$HIVE_HOME/conf:$HIVE_HOME/lib/*:$HCAT_HOME/share/hcatalog/hive-hcatalog-core-3.1.1.jar`，然后修改Kylin启动脚本，还有将Hive的lib下的jar全部拷贝到Kylin的lin下的），但是都会产生一些问题，我这里发现这样做后Kylin的元数据信息表无法初始化。

java.lang.NoClassDefFoundError: org/apache/hadoop/hive/conf/HiveConf
    	at org.apache.kylin.source.hive.HiveClientFactory.getHiveClient(HiveClientFactory.java:27)
    	at org.apache.kylin.source.hive.RedistributeFlatHiveTableStep.computeRowCount(RedistributeFlatHiveTableStep.java:40)
    	at org.apache.kylin.source.hive.RedistributeFlatHiveTableStep.doWork(RedistributeFlatHiveTableStep.java:91)
    	at org.apache.kylin.job.execution.AbstractExecutable.execute(AbstractExecutable.java:167)
    	at org.apache.kylin.job.execution.DefaultChainedExecutable.doWork(DefaultChainedExecutable.java:71)
    	at org.apache.kylin.job.execution.AbstractExecutable.execute(AbstractExecutable.java:167)
    	at org.apache.kylin.job.impl.threadpool.DefaultScheduler$JobRunner.run(DefaultScheduler.java:114)
    	at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149)
    	at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)
    	at java.lang.Thread.run(Thread.java:748)
    Caused by: java.lang.ClassNotFoundException: org.apache.hadoop.hive.conf.HiveConf
    	at org.apache.catalina.loader.WebappClassLoaderBase.loadClass(WebappClassLoaderBase.java:1309)
    	at org.apache.catalina.loader.WebappClassLoaderBase.loadClass(WebappClassLoaderBase.java:1137)
    	... 10 more

然后我们还是仔细看下Kylin启动时打印的环境变量信息，可以发现其实它是会将Kylin的lib文件夹下的依赖jar添加进来的，因此我们根据提示的错误信息，找到这个缺少的类的jar包，然后将这个jar包软连接到Kylin的lib，重启启动Kylin问题就可以完美解决。这里笔者也是经过多次排查，需要完整引入如下的五个Hive的依赖jar。

# 将hive-common-3.1.1.jar软连接到Kylin的lib下。org/apache/hadoop/hive/conf/HiveConf所在的包
    ln -s $HIVE_HOME/lib/hive-common-3.1.1.jar $KYLIN_HOME/lib/hive-common-3.1.1.jar
    ln -s $HIVE_HOME/lib/hive-exec-3.1.1.jar $KYLIN_HOME/lib/hive-exec-3.1.1.jar
    ln -s $HIVE_HOME/lib/hive-hcatalog-core-3.1.1.jar $KYLIN_HOME/lib/hive-hcatalog-core-3.1.1.jar
    ln -s $HIVE_HOME/lib/hive-standalone-metastore-3.1.1.jar $KYLIN_HOME/lib/hive-standalone-metastore-3.1.1.jar
    ln -s $HIVE_HOME/lib/libfb303-0.9.3.jar $KYLIN_HOME/lib/libfb303-0.9.3.jar
    
    ##########
    # 一个创建软连接的脚本
    ##!/bin/bash
    #cd $HIVE_HOME/lib
    #for a in *.jar;do
    #ln -s $HIVE_HOME/lib/$a $KYLIN_HOME/lib/$a 
    #done
    ##########
    
    ################
    # 网上提供解决方法
    #1 在系统环境配置文件中添加 hive_dependency
    #vim /etc/profile
    # 添加如下
    #export hive_dependency=$HIVE_HOME/conf:$HIVE_HOME/lib/*:$HCAT_HOME/share/hcatalog/hive-hcatalog-core-3.1.1.jar
    #2 生效
    #source /etc/profile
    # 在Kylin启动脚本添加上这个参数，大概在地52行，添加如下代码
    #3vim $KYLIN_HOME/bin/kylin.sh
    
    #43 #retrive $KYLIN_EXTRA_START_OPTS
    #44 if [ -f "${dir}/setenv.sh" ]; then
    #45 echo "WARNING: ${dir}/setenv.sh is deprecated and ignored, please remove it and use ${KYLIN_HOME}/conf/setenv.sh instead"
    #46 source ${dir}/setenv.sh
    #47 fi
    #48 
    #49 if [ -f "${KYLIN_HOME}/conf/setenv.sh" ]; then
    #50 source ${KYLIN_HOME}/conf/setenv.sh
    #51 fi
    #52 export HBASE_CLASSPATH_PREFIX=$CATALINA_HOME/bin/bootstrap.jar:$CATALINA_HOME/bin/tomcat-juli.jar:$CATALINA_HOME/lib/*:$hive_dependency:$HBASE_CLASSPATH_PREFIX
    #53 export HBASE_CLASSPATH_PREFIX=${KYLIN_HOME}/conf:${KYLIN_HOME}/lib/*:${KYLIN_HOME}/ext/*:${HBASE_CLASSPATH_PREFIX}
    #54 export HBASE_CLASSPATH=${HBASE_CLASSPATH}:${hive_dependency}:${kafka_dependency}:${spark_dependency}
    #55 
    #56 verbose "HBASE_CLASSPATH: ${HBASE_CLASSPATH}"
    #57 }
    ################
    
    #重启Kylin
    $KYLIN_HOME/bin/kylin.sh stop
    $KYLIN_HOME/bin/kylin.sh start

## 2.9 启动后的HDFS目录结构 ##

Kylin 会在 HDFS 上生成文件，根目录是 `/kylin/`, 然后会使用 Kylin 集群的元数据表名作为第二层目录名，默认为 `kylin_metadata` (可以在`conf/kylin.properties`中定制)。

通常`/kylin/kylin_metadata`目录下会有这么几种子目录：**cardinality**, **coprocessor**, **kylin-job\_id**, **resources**, **jdbc-resources**

*  **cardinality**： Kylin 加载 Hive 表时，会启动一个 MR 任务来计算各个列的基数，输出结果会暂存在此目录。此目录可以安全清除。
 *  **coprocessor**：Kylin 用于存放 HBase coprocessor jar 的目录，请勿删除。
 *  **kylin-job\_id**： Cube 计算过程的数据存储目录，请勿删除。 如需要清理，请遵循 [storage cleanup guide][]。
 *  **resources**：Kylin 默认会将元数据存放在 HBase，但对于太大的文件（如字典或快照），会转存到 HDFS 的该目录下，请勿删除。如需要清理，请遵循 [cleanup resources from metadata][]。
 *  **jdbc-resources**：性质同上，只在使用 MySQL 做元数据存储时候出现。

# 3 使用 #

Kylin 启动后我们可以通过浏览器 [http://:7070/kylin][http_7070_kylin 1] 进行访问。其中 `<hostname>`为具体的机器名、IP 地址或域名，默认端口为 **7070**。  
![kylin login][]  
输入初始用的户名`ADMIN`和其对应的密码为`KYLIN`。我们就进入了Kylin的花花世界了，下面我们的需要沉迷在这里一段时间。  
![Kylin Web UI - Home][]  
接下来我们通过一个案例来看先Kylin具体的使用流程。在我们安装的Kylin目录下自带了一份用于测试的样例数据，这份数据包含了几张表的数据，大小为 1.49 MB，文件名的格式为**库名.表名**，其中事实表为`KYLIN_SALES`，维表为`KYLIN_CAL_DT`和`KYLIN_CATEGORY_GROUPINGS`，另外两张表我们暂时先不用管。

#查看样例数据的数据量
    [root@node1 conf]# wc -l $KYLIN_HOME/sample_cube/data/*
      10000 /opt/apache-kylin-2.6.3-bin-hadoop3/sample_cube/data/DEFAULT.KYLIN_ACCOUNT.csv
        731 /opt/apache-kylin-2.6.3-bin-hadoop3/sample_cube/data/DEFAULT.KYLIN_CAL_DT.csv
        144 /opt/apache-kylin-2.6.3-bin-hadoop3/sample_cube/data/DEFAULT.KYLIN_CATEGORY_GROUPINGS.csv
        244 /opt/apache-kylin-2.6.3-bin-hadoop3/sample_cube/data/DEFAULT.KYLIN_COUNTRY.csv
       9999 /opt/apache-kylin-2.6.3-bin-hadoop3/sample_cube/data/DEFAULT.KYLIN_SALES.csv
      21118 总用量

`KYLIN_SALES` 表时一个事实表，其保存了销售订单的明细信息，每一行对应着一笔交易订单。`CATEGORY_GROUPINGS` 是一个维表，其保存了商品分类的详细介绍。`KYLIN_CAL_DT` 也是一个维表，表中保存了时间的扩展信息。

## 3.1 准备数据 ##

我们执行 `${KYLIN_HOME}/bin/sample.sh`脚本，这个脚本主要做的事情有：①在Hive中创建前面提到的几张表并将数据导入，其创建时执行的脚本为`$KYLIN_HOME/sample_cube/create_sample_tables.sql`，这个脚本中主要是建表语句和加载数据；②上传Sample Cube的metadata，样例Cube的元数据位于`$KYLIN_HOME/sample_cube/template`下，每个目录都代表元数据的一部分，而且目录下面都是json格式的文件。当这脚本执行完毕后，会在控制台提示`Restart Kylin Server or click Web UI => System Tab => Reload Metadata to take effect`，重启服务或者在Web UI页面重新加载元数据(**意思就是重启Kylin不是必须的操作**)，我们这里选择通过Web UI加载元数据，如下图，按照提示点在Web UI，击`System`，然后点击页面右边的`Actions`下面的第一个选线`Reload Metadata`。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 1]  
在弹出的提示框中选择Yes即可，后面提示我们加载元数据成功。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 2]  
我们点击页头的Model，可以看到我们刚才导入的`kylin_sales_cube`。最左面的选项栏Models显示的我们的模式设计，这里定义了事实表和维度的关联方式、维度、度量等内容。傍边的Data Source的数据源，支持从Hive中加载数据表，以及使用Streaming Table。最右边的Cubes 就是根据Models来设计的所有Cube列表，我们可以选择一个Cube进行Drop、Delete、Build、Refresh等操作。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 3]

## 3.2 构建Cube ##

选在页头的 `-- Choose Project --`，选择`learn_Kylin`，在Cubes页面单击Cube名称为`kylin_sales_cube`栏右侧的`Actions`下拉框并选择`Build`操作。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 4]  
会有如下的弹出窗口。选择Build Cube的时间范围（这个Cube是增量更新的），我们可以看到开始时间已经给我们设置好了（`2012-01-01 00:00:00`），这是因为在我们创建Cube过程中设置Refresh的分区开始时间已经设置好了，这个时间也是Hive表kylin\_sales中字段part\_dt最小的时间，我们选择一年的数据，因此结束日期选择`2013-01-01 00:00:00`（不包含这一天）。

0: jdbc:hive2://localhost:10000> SELECT MIN(part_dt) min_part_dt,MAX(part_dt) max_part_dt FROM kylin_sales;
    +--------------+--------------+
    | min_part_dt  | max_part_dt  |
    +--------------+--------------+
    | 2012-01-01   | 2014-01-01   |
    +--------------+--------------+

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 5]  
接下来单击接下来我们单击`Submit`提交，提交后会在右下角提示**Success**。成功之后，我们可以从`Monitor`页面的所有Job中找到新建的Job，如下图所示。Job栏包含了Job Name、Cube、Process等内容，而且还包含了Actions相关操作。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 6]  
单击Job最右边的箭头符号，查看Job的详细执行流程。Job详细信息为跟踪一个Job提供了它的每一步记录，也可以查看每一步的执行日志 。我们可以将光标放在某个步骤状态图标上查看基本状态和信息。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 7]  
从上面我们可以看到Job还在执行，我们在这个时间可以看下Hive和Hadoop方面都有哪些变化。

**Hive方面的变化**  
在Cube构建过程中(构建的过程时间会有点长)，我们可以查看Hive表的变化，直接在默认的库下执行即可（`kylin.source.hive.database-for-flat-table=default`），我们可以发现有一个表名很长的表，其实这个就是**Intermediate Flat Table**有人称之为平面表。

查看日志信息可以看到如下执行的SQL语句。从这个SQL中可以看到创建了一个名字很长的中间临时表，其内容大概为事实表和维度表的关联输后输出维度和度量指标，以及根据我们增量构建Cube时指定的开始和结束时间来裁剪数据范围。

Create and distribute table, cmd: 
    hive -e "USE default;
    
    DROP TABLE IF EXISTS kylin_intermediate_kylin_sales_cube_c2245d04_6204_d762_1458_8af95480fe3c;
    CREATE EXTERNAL TABLE IF NOT EXISTS kylin_intermediate_kylin_sales_cube_c2245d04_6204_d762_1458_8af95480fe3c
    (
    `KYLIN_SALES_TRANS_ID` bigint
    ,`KYLIN_SALES_PART_DT` date
    ,`KYLIN_SALES_LEAF_CATEG_ID` bigint
    ,`KYLIN_SALES_LSTG_SITE_ID` int
    ,`KYLIN_CATEGORY_GROUPINGS_META_CATEG_NAME` string
    ,`KYLIN_CATEGORY_GROUPINGS_CATEG_LVL2_NAME` string
    ,`KYLIN_CATEGORY_GROUPINGS_CATEG_LVL3_NAME` string
    ,`KYLIN_SALES_LSTG_FORMAT_NAME` string
    ,`KYLIN_SALES_SELLER_ID` bigint
    ,`KYLIN_SALES_BUYER_ID` bigint
    ,`BUYER_ACCOUNT_ACCOUNT_BUYER_LEVEL` int
    ,`SELLER_ACCOUNT_ACCOUNT_SELLER_LEVEL` int
    ,`BUYER_ACCOUNT_ACCOUNT_COUNTRY` string
    ,`SELLER_ACCOUNT_ACCOUNT_COUNTRY` string
    ,`BUYER_COUNTRY_NAME` string
    ,`SELLER_COUNTRY_NAME` string
    ,`KYLIN_SALES_OPS_USER_ID` string
    ,`KYLIN_SALES_OPS_REGION` string
    ,`KYLIN_SALES_PRICE` decimal(19,4)
    )
    STORED AS SEQUENCEFILE
    LOCATION 'hdfs://node1:8020/kylin/kylin_metadata/kylin-3cc3cb92-73a6-4742-2979-63651c60ddde/kylin_intermediate_kylin_sales_cube_c2245d04_6204_d762_1458_8af95480fe3c';
    -- 'auto.purge'='true' 表示数据删除后不会放到回收♻️箱，而是直接删除
    ALTER TABLE kylin_intermediate_kylin_sales_cube_c2245d04_6204_d762_1458_8af95480fe3c SET TBLPROPERTIES('auto.purge'='true');
    INSERT OVERWRITE TABLE `kylin_intermediate_kylin_sales_cube_c2245d04_6204_d762_1458_8af95480fe3c` SELECT
    `KYLIN_SALES`.`TRANS_ID` as `KYLIN_SALES_TRANS_ID`
    ,`KYLIN_SALES`.`PART_DT` as `KYLIN_SALES_PART_DT`
    ,`KYLIN_SALES`.`LEAF_CATEG_ID` as `KYLIN_SALES_LEAF_CATEG_ID`
    ,`KYLIN_SALES`.`LSTG_SITE_ID` as `KYLIN_SALES_LSTG_SITE_ID`
    ,`KYLIN_CATEGORY_GROUPINGS`.`META_CATEG_NAME` as `KYLIN_CATEGORY_GROUPINGS_META_CATEG_NAME`
    ,`KYLIN_CATEGORY_GROUPINGS`.`CATEG_LVL2_NAME` as `KYLIN_CATEGORY_GROUPINGS_CATEG_LVL2_NAME`
    ,`KYLIN_CATEGORY_GROUPINGS`.`CATEG_LVL3_NAME` as `KYLIN_CATEGORY_GROUPINGS_CATEG_LVL3_NAME`
    ,`KYLIN_SALES`.`LSTG_FORMAT_NAME` as `KYLIN_SALES_LSTG_FORMAT_NAME`
    ,`KYLIN_SALES`.`SELLER_ID` as `KYLIN_SALES_SELLER_ID`
    ,`KYLIN_SALES`.`BUYER_ID` as `KYLIN_SALES_BUYER_ID`
    ,`BUYER_ACCOUNT`.`ACCOUNT_BUYER_LEVEL` as `BUYER_ACCOUNT_ACCOUNT_BUYER_LEVEL`
    ,`SELLER_ACCOUNT`.`ACCOUNT_SELLER_LEVEL` as `SELLER_ACCOUNT_ACCOUNT_SELLER_LEVEL`
    ,`BUYER_ACCOUNT`.`ACCOUNT_COUNTRY` as `BUYER_ACCOUNT_ACCOUNT_COUNTRY`
    ,`SELLER_ACCOUNT`.`ACCOUNT_COUNTRY` as `SELLER_ACCOUNT_ACCOUNT_COUNTRY`
    ,`BUYER_COUNTRY`.`NAME` as `BUYER_COUNTRY_NAME`
    ,`SELLER_COUNTRY`.`NAME` as `SELLER_COUNTRY_NAME`
    ,`KYLIN_SALES`.`OPS_USER_ID` as `KYLIN_SALES_OPS_USER_ID`
    ,`KYLIN_SALES`.`OPS_REGION` as `KYLIN_SALES_OPS_REGION`
    ,`KYLIN_SALES`.`PRICE` as `KYLIN_SALES_PRICE`
     FROM `DEFAULT`.`KYLIN_SALES` as `KYLIN_SALES`
    INNER JOIN `DEFAULT`.`KYLIN_CAL_DT` as `KYLIN_CAL_DT`
    ON `KYLIN_SALES`.`PART_DT` = `KYLIN_CAL_DT`.`CAL_DT`
    INNER JOIN `DEFAULT`.`KYLIN_CATEGORY_GROUPINGS` as `KYLIN_CATEGORY_GROUPINGS`
    ON `KYLIN_SALES`.`LEAF_CATEG_ID` = `KYLIN_CATEGORY_GROUPINGS`.`LEAF_CATEG_ID` AND `KYLIN_SALES`.`LSTG_SITE_ID` = `KYLIN_CATEGORY_GROUPINGS`.`SITE_ID`
    INNER JOIN `DEFAULT`.`KYLIN_ACCOUNT` as `BUYER_ACCOUNT`
    ON `KYLIN_SALES`.`BUYER_ID` = `BUYER_ACCOUNT`.`ACCOUNT_ID`
    INNER JOIN `DEFAULT`.`KYLIN_ACCOUNT` as `SELLER_ACCOUNT`
    ON `KYLIN_SALES`.`SELLER_ID` = `SELLER_ACCOUNT`.`ACCOUNT_ID`
    INNER JOIN `DEFAULT`.`KYLIN_COUNTRY` as `BUYER_COUNTRY`
    ON `BUYER_ACCOUNT`.`ACCOUNT_COUNTRY` = `BUYER_COUNTRY`.`COUNTRY`
    INNER JOIN `DEFAULT`.`KYLIN_COUNTRY` as `SELLER_COUNTRY`
    ON `SELLER_ACCOUNT`.`ACCOUNT_COUNTRY` = `SELLER_COUNTRY`.`COUNTRY`
    WHERE 1=1 AND (`KYLIN_SALES`.`PART_DT` >= '2012-01-01' AND `KYLIN_SALES`.`PART_DT` < '2013-01-01')
    ;

**Hadoop方面的变化**  
默认情况下这个服务是没有启动的，因此我们查看Hadoop发生的一些变化信息需要先将Hadoop的jobhistory服务开启，Hadoop的版本不同开启这个服务的命令也不同，如果是CDH平台的，选择安装jobhistory组件后默认开启了这个服务，如果是原生Apache版本，可以执行如下命令开启Hadoop 3.1.2 的 historyserver ，然后我们就可以看到提交的构建Cube作业的执行信息，同样这个也可以对后续的问题进行快速定位。

# 启动 jobhistory。访问 http://node1:19888/jobhistory
    #$HADOOP_HOME/bin/mapred historyserver >/dev/null 2>&1 &
    $HADOOP_HOME/sbin/mr-jobhistory-daemon.sh start historyserver
    WARNING: Use of this script to start the MR JobHistory daemon is deprecated.
    WARNING: Attempting to execute replacement "mapred --daemon start" instead.

启动之后访问这个页面，可以看到Kylin构建Cube中执行的MapReduce作业。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 8]  
如果想放弃这个Job，单击Job选项的Actions下拉框中的Discard按钮。**Job成功执行**完毕后如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 9]

## 3.3 对构建好的Cube进行查询 ##

切换到 Kylin 的 Insight 页面，这个页面提供了交互式的SQL查询。将下面的sql写入到`New Query`中，然后点击右下角的Submit提交SQL查询，如下图所示。

SELECT PART_DT,SUM(PRICE) AS total_selled, COUNT(DISTINCT SELLER_ID) AS sellers 
    FROM KYLIN_SALES GROUP BY PART_DT ORDER BY PART_DT;

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 10]  
很快执行就成功了，在页面下面可以看到0.33秒就返回了结果，结果如下图所示。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 11]  
为了感受这个速度，和结果的准确性，我们同样可以在Hive里执行以下，查看下结果和执行的速度，两个对比一下。

-- 1 查看表默认库下的表。可以看到前面表名很长的表已经不在了
    +---------------------------+
    |         tab_name          |
    +---------------------------+
    | kylin_account             |
    | kylin_cal_dt              |
    | kylin_category_groupings  |
    | kylin_country             |
    | kylin_sales               |
    | person                    |
    +---------------------------+
    6 rows selected (3.409 seconds)
    
    -- 2 执行同样的 SQL 
    -- 这里只展示结果表前面一部分的数据。从执行的结果可以看到，Hive执行的结果和Kylin执行的结果一模一样。
    -- 但是从执行速度上看，Hive用了65秒钟执行完毕，Kylin只用了0.33秒就查询到了结果。
    -- 所有从这里可以看到Kylin经过Cube构建，经过预计算后的查询速度非常快。
    0: jdbc:hive2://localhost:10000> SELECT PART_DT,SUM(PRICE) AS total_selled, COUNT(DISTINCT SELLER_ID) AS sellers 
    . . . . . . . . . . . . . . . .> FROM KYLIN_SALES GROUP BY PART_DT ORDER BY PART_DT;
    +-------------+---------------+----------+
    |   part_dt   | total_selled  | sellers  |
    +-------------+---------------+----------+
    | 2012-01-01  | 466.9037      | 12       |
    | 2012-01-02  | 970.2347      | 17       |
    | 2012-01-03  | 917.4138      | 14       |
    | 2012-01-04  | 553.0541      | 10       |
    | 2012-01-05  | 732.9007      | 18       |
    | 2012-01-06  | 296.3882      | 9        |
    | 2012-01-07  | 1184.1870     | 23       |
    | 2012-01-08  | 541.7355      | 14       |
    |    ……       | ……            | ……       |
    +-------------+---------------+----------+
    731 rows selected (65.254 seconds)

[Link 1]: http://kylin.apache.org/
[GitHub]: https://github.com/apache/kylin
[Link 2]: http://kylin.apache.org/docs/
[Link 3]: http://kylin.apache.org/download/
[eBay Inc.]: https://www.ebayinc.com/
[Kyligence]: https://kyligence.io/zh/
[Spring Cloud _ Docker]: https://blog.csdn.net/github_39577257/article/details/95250521
[Kylin]: /images/20230601/e7fe5de67bc24698a8a2647a30387a58.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70]: /images/20230601/1e03b433613d41e3b890a311b83dfed7.png
[kylin.properties]: https://kylin.apache.org/docs30/install/configuration.html
[http_7070_kylin]: http://%3Chostname%3E:7070/kylin
[storage cleanup guide]: http://kylin.apache.org/docs/howto/howto_cleanup_storage.html
[cleanup resources from metadata]: http://kylin.apache.org/docs/howto/howto_backup_metadata.html
[http_7070_kylin 1]: http://node1:7070/kylin
[kylin login]: /images/20230601/0d8ba53819f2488b8af7fb1d0083fb05.png
[Kylin Web UI - Home]: /images/20230601/f85c958bf370444593a3a10b1183c101.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 1]: /images/20230601/9120d46ce0994c1d9ae3d695c3b16448.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 2]: /images/20230601/5ce776fc621540ebb3e1e2bb2769199a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 3]: /images/20230601/fc920a31f9a84fbbbdf395ff72094464.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 4]: /images/20230601/87303fafe1aa439aae920511d6461af7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 5]: /images/20230601/ec042b7f53724de18073d00fa97a1ced.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 6]: /images/20230601/750dc8151d394af8b63d548bac04d32c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 7]: /images/20230601/375975ebe40c41a8a289faeca96a8d44.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 8]: /images/20230601/e1337a797480499e8b882b2d53f51f9d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 9]: /images/20230601/ecd1fbbe23bc4f0780e789ff42929ac3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 10]: /images/20230601/ecc0575c35594006854aff97725c52d9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dpdGh1Yl8zOTU3NzI1Nw_size_16_color_FFFFFF_t_70 11]: /images/20230601/bc3b1c8b2b304c16a4d3af96a4af4491.png