标签
内容简介
Apache Kylin 是由中国人主导并进入 Apache 顶级项目的开源分布式分析引擎，它运行在 Hadoop 大数据平台之上，通过多维立方体（Cube）预计算技术，把超大规模数据集上的 SQL 查询速度与并发能力提升到原来的百倍以上。本书由 Apache Kylin 核心开发团队（PMC 成员）集体编写，是国内系统介绍 Kylin 的一部权威技术著作。 全书共 12 章，内容从原理到实践逐层展开：第 1、2 章介绍 Kylin 的背景历史、技术原理与架构定位，并以一个具体案例带读者快速入门，讲清维度、度量、事实表、维度表、Cube、Cuboid、Cube Segment 等核心概念，以及在 Hive 中准备数据、设计星形模型、创建数据模型与 Cube 的完整流程；第 3、4 章讲解增量构建与进阶的流式准实时构建，应对持续增长的数据；第 5 章展示丰富的查询接口及其上的可视化能力；第 6 章重点剖析 Cube 模型设计与调优，这是用好 Kylin、获得百倍性能的关键；第 7 章通过若干有行业特点的案例分析串起全书概念；第 8、9 章介绍可扩展架构、二次开发接口与企业级认证授权等功能，适合开发者；第 10 章覆盖安装、企业级部署、监控运维与常见问题排查；第 11、12 章则介绍如何参与和贡献开源社区，以及项目的未来规划。全书篇幅精炼，配有示意图与代码示例，适合作为团队落地 Kylin 时的案头参考。
编辑推荐
很多大数据团队都遇到过同样的困境：数据量到了 TB 乃至 PB 级，Hive 查询动辄几分钟甚至几十分钟，BI 报表和自助分析根本跑不动。Kylin 用“预计算换查询速度”的思路给出了一个务实答案，而这本书正是由把 Kylin 做出来的那批人写的。 它的第一大价值是“原厂视角”。作者来自 Apache Kylin 核心团队和 PMC，讲 Cube 与 Cuboid 的关系、维度基数的影响、Rowkey 设计、增量与流式构建这些最容易踩坑的地方，都不是二手转述，而是设计决策背后的原因。 第二大价值是结构清楚、篇幅克制。188 页、12 章，前两章就能把一个 Demo 搭起来跑通 SQL，后面按需查阅调优、扩展、运维章节，不会让人望而生畏。第 7 章的行业案例也能帮助读者判断自己的场景是否真的适合 Kylin。 需要注意的是，本书基于 Kylin 2.x 时代的技术栈（Hive 建模、MapReduce/Spark 构建），而 Kylin 已经演进到 4.x、5.x，界面与部分配置有所变化。因此把它当作理解 OLAP 预计算原理与建模方法论的经典读本，配合官方文档使用，收获最大。
适合谁读
适合
- 需要为海量数据搭建亚秒级查询能力的大数据工程师与数仓开发人员
- 正在评估或落地 Kylin、Hadoop 上 OLAP 方案的架构师与技术负责人
- 使用 Tableau、Excel 等 BI 工具、希望理解底层加速原理的分析师
- 想学习 Cube 预计算与多维建模思想的高校学生与自学者
不适合
- 完全没有 SQL、Hive 与 Hadoop 基础的纯入门读者，会觉得概念跳跃
- 只做小规模单机数据库分析、用不到分布式 OLAP 的开发者
- 希望直接查阅 Kylin 4.x、5.x 最新版本操作手册的读者
阅读建议
- 先按第 2 章用 Sample Data 完整走一遍建模型、建 Cube、构建、查询的流程，建立整体直觉后再读原理章节
- 第 6 章 Cube 优化建议结合自己业务中最慢的几条 SQL 反复对照，重点理解维度基数与 Rowkey 顺序的影响
- 把本书当作方法论读本，具体命令与界面对照 Apache Kylin 官方文档的最新版本，避免版本差异带来的困惑
- 团队落地时可分工精读：开发读 3~9 章，运维读第 10 章，管理者读第 1、7 章判断适用场景
出版社简介
机械工业出版社
中国 · 成立于 1950 年
机械工业出版社（China Machine Press）在科技与专业出版之外，库内图书还体现出对心理学、计算机、管理、财经与社科等方向的持续关注。心理学方面收入荣格作品及分析心理学导论，并涉及压力与健康、成瘾与疗愈等应用议题；计算机领域有《计算机程序的构造和解释（JavaScript版）》；管理与财经类包括《管理行为（原书第4版）》《不平等的代价（珍藏版）》《这次不一样：八百年金融危机史（纪念版）》；科学哲学与科学史方面则有《世界观（原书第3版）》。相关作者资源涵盖C.G.荣格、威廉·麦圭尔、索努·沙姆达萨尼、加博尔·马泰等。公开资料有限，以上仅据库内图书归纳其出版面貌。
目录
- 推荐序一
- 推荐序二
- 推荐序三
- 推荐序四
- 前言
- 第1章 Apache Kylin概述
- 1.1 背景和历史
- 1.2 Apache Kylin的使命
- 1.3 Apache Kylin的工作原理
- 1.3.1 维度和度量简介
- 1.3.2 Cube和Cuboid
- 1.3.3 工作原理
- 1.4 Apache Kylin的技术架构
- 1.5 Apache Kylin的主要特点
- 1.5.1 标准SQL接口
- 1.5.2 支持超大数据集
- 1.5.3 亚秒级响应
- 1.5.4 可伸缩性和高吞吐率
- 1.5.5 BI及可视化工具集成
- 1.6 与其他开源产品比较
- 1.7 小结
- 第2章 快速入门
- 2.1 核心概念
- 2.1.1 数据仓库、OLAP与BI
- 2.1.2 维度和度量
- 2.1.3 事实表和维度表
- 2.1.4 Cube、Cuboid和Cube Segment
- 2.2 在Hive中准备数据
- 2.2.1 星形模型
- 2.2.2 维度表的设计
- 2.2.3 Hive表分区
- 2.2.4 了解维度的基数
- 2.2.5 Sample Data
- 2.3 设计Cube
- 2.3.1 导入Hive表定义
- 2.3.2 创建数据模型
- 2.3.3 创建Cube
- 2.4 构建Cube
- 第3章 增量构建
- 第4章 流式构建
常见问题
这本书讲的是哪个版本的 Apache Kylin？
本书 2017 年出版，内容对应 Kylin 2.x 时期的技术栈，包括 Hive 建模、MapReduce 与 Spark 构建、Cube Planner 等。Kylin 后续已演进到 4.x、5.x，部分界面与配置有变化，建议把本书作为原理与建模方法的参考，操作细节以官方文档为准。
没有 Hadoop 基础能读懂吗？
会比较吃力。书中默认读者了解 Hive、MapReduce/Spark 等基本概念，第 2 章直接进入 Hive 建表与 Cube 建模。建议先补齐 SQL 与 Hive 基础，或至少跟着文档跑通一个 Hive 环境再读。
Kylin 和 ClickHouse、Druid 有什么区别？
Kylin 的核心思路是基于 Hadoop 上的多维 Cube 预计算，查询时直接命中预计算结果，因此能做到亚秒级响应，但需要提前建模并承担构建开销。书中第 1.6 节专门做了与其他开源产品的比较，可结合当下各产品的成熟度自行判断选型。
书中的案例能直接用于生产环境吗？
第 7 章的案例更多是帮助理解使用场景与建模思路，而非可直接复制的生产方案。实际落地还需结合数据规模、查询模式、集群资源和运维能力做针对性设计与压测。
这本书适合用来准备面试吗？
适合作为理解 OLAP 与预计算原理的补充材料，尤其是 Cube、Cuboid、维度基数、Rowkey 设计等常考概念。但面试还需要结合项目经验与最新版本特性，单靠本书不够。
读者评论
查询本书
本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。
