Apache Kylin v2.x最新特性分享

Apache Kylin Committer & PMC Member、Kyligence高级架构师李栋，在7月15日的Strata Data Conference（下称Strata峰会）北京站发表了《Apache Kylin v2.x：从Hadoop上的OLAP引擎到数据仓库》的专题演讲。

李栋在Strata峰会发表演讲

Strata峰会是全球公认的世界最顶级的大数据会议，被《福布斯》杂志誉为“大数据运动的里程碑”。峰会上，李栋介绍了Apache Kylin新一代v2.x版本的最新特性，例如即将在v2.1版本发布的查询下压（Query Pushdown），以及在v2.0版本已经全面支持的雪花模型、Spark构建引擎等。这些特性使Apache Kylin可以支持更加复杂的数据模型和灵活的业务场景，推动Apache Kylin从Hadoop上的OLAP分析引擎到数据仓库的演变。以下是李栋演讲的部分PPT实录：

通过展示Apache Kylin的架构图与性能测试图，李栋为大家阐释了Kylin是什么。

对比数据显示，作为SQL on Hadoop的OLAP分析引擎，Apache Kylin的响应速度远比其它引擎快，关于这一点，从Kylin遍布全球的200多名用户中就可以得到验证。

Kylin采用“空间换时间”的思路，通过预计算构建Cube以实现秒级甚至亚秒级的查询性能。

不过，在Apache Kylin v1.x的时代，Apache Kylin只支持预先定义的SQL查询，当Cube不能满足查询时则查询失败。

在即将发布的v2.1版本中，Kylin将通过查询下压（Query Pushdown）功能解决以上难题。

此外，Apache Kylin从v2.0版本开始就已全面支持雪花模型。

一项基于TPC-H进行的基准测试显示，Apache Kylin对所有查询均能成功执行，并且明显体现了预计算的查询优势。

同时，Apache Kylin v2.0版本所支持的Spark 构建引擎大幅度提升了Cube预计算过程的效率。

作为领先的大数据OLAP分析引擎，现在的Apache Kylin羽翼更丰：查询下压支持用户进行更加灵活的业务分析，给Apache Kylin带来了从MOLAP到HOLAP的转变；加上对复杂数据模型的支持和Spark构建引擎的引入，Apache Kylin正逐渐从一个Hadoop上的传统OLAP平台向数据仓库演变。在这个数据规模日益激增的时代，Apache Kylin始终专注于尽量使用离线预计算替代在线计算，用最小的成本带来最快的数据分析体验。