Apache Kylin : Analytical Data Warehouse for Big Data
Page History
...
在 Kylin 2.3 发布后, Kylin team 发布了 System Cube 和 Dashboard, 使得 Kylin 用户可以更加容易地收集和观测 Kylin本身 Kylin 本身应用级别的 Metrics 信息. 在目前版本的 Kylin, 通过配置 System Cube 为 HiveSink 或者 KafkaSink, 可以将 Metrics 信息发布到对应的 Sink, 并且通过定时调度构建任务则可以构建 并且通过触发构建任务可以构建 System Cube 以满足通过 以满足系统管理员通过 SQL 查询 Kylin的系统信息的需求. 此外, 借助 Dashboard 用户可以轻松地做到 Kylin 系统监控信息的可视化分析.
...
这里, 我尝试探索如何将 System Cube 和 Real-time OLAP 相集成, 来降低 System Cube 的数据准备延迟. 经过调研, System Cube 本身已经包含了 KafkaSink, 所以需要的工作是修改 SCCreator, 使之能准备 Real-time OLAP 所需的 Cube 元数据, 和一些其它适配工作.
二. 设计
Metrics System
基于 在 eBay 引入的 System Cube 特性中, 通过下图的 Metrics System 可以获取和汇报 Job 和 Quey Query 主题的消息到不同的 Sink. Metrics System 代码主要包含在 core-metrics, metrics-reporter-hive, metrics-reporter-kafka 三个 Maven module中, 另外还有 QueryMetricsFacade, JobMetricsFacade.
Metrics System 架构示意图如下:
在输入部分在 Metrics Event 的输入部分, 基于门面模式的设计, Job 和 Query 相关的消息被对应的门面 (QueryMetricsFacade, JobMetricsFacade) 封装成统一的 RecordEvent. Query 和 Job 相关的记录会分别对应的门面进行加工相关的记录会分别由对应的门面来负责进行加工, 然后通过 MetricsManager 的 udpate update 方法统一发送给 Metrics System.
发送给 Metrics System 的 RecordEvent, 会交由 ActiveReservoir 来暂存, 根据 RecordEvent 的缓存策略和对数据延迟的需求, 可以分别配置使用 BlockingReservoir 和 InstantReservoir. 其中, BlockingReservoir 会以(微)批次的方式向 Sink 发送数据, 而 InstantReservoir 会不做等待地直接发送 RecordEvent; 所以一般 BlockingReservoir 比较适合和 HiveSink 搭配写入DFS/Hive, 而 InstantReservoir 比较适合和 KafkaSink 搭配.
在输出部分, 每个 Reservoir 可以拥有数个 ActiveReservoirReporter, 如 HiveReservoirReporter 和 KafkaReservoirReporter 负责将消息写入不同的 Sink. 目前文档的默认配置是 HiveSink, 我在这里会尝试适配 KafkaSink.
在 Metrics System 以外之外, 我们还需要工具来创建 Cube 来获取和分析落到不同 来获取来分析落到不同 Sink 的数据, 这块的工作由 SCCreator 负责. 由创建出来的 Cube 称之为 System Cube, 一共有5个. SCCreator 需要一个 json指定System Cube 所需的一些配置项. 最终通过 SCCreator 我们会获取完成一系列所需要的准备工作, 包括用于创建 Hive Table/Kafka Topic 的脚本和包含一系列模型和 Cube 的新的 Project 元数据.
当相关的准备工作完成后, 我们可以使用 corntab 来定时调度构建作业, 这样使得数据源源不断地被构建进入 Kylin, 以便 Dashboard 和 Cube Planner 两者来进行查询(消费).
System Cube 的 JIRA issue : Jira server ASF JIRA serverId 5aa69414-a9e9-3523-82ec-879b028fb15b key KYLIN-2721
Dashboard 的 JIRA issue : Jira server ASF JIRA serverId 5aa69414-a9e9-3523-82ec-879b028fb15b key KYLIN-2726
Real-time OLAP
在 Kylin 3.0 中, 我们可以通过新增的 Recevier 节点实时地摄入数据, 并且因为拥有对尚未构建进入 HBase 的数据的查询能力, 因此我们可以查询和获取实时的数据.
System Cube 和 Real-time OLAP 的集成的 JIRA issue :
Jira | ||||||
---|---|---|---|---|---|---|
|
...
2. 准备 System Cube 所需的 Cube 参数文件
我们需要提供一个 Json Array, Array包含的对象为 MetricsSinkDesc,
Code Block | ||||||||
---|---|---|---|---|---|---|---|---|
| ||||||||
[ { "sink": "hive", "storage_type": 2, "cube_desc_override_properties": { "kylin.cube.algorithm": "INMEM", "kylin.cube.max-building-segments": "1" } }, { "sink": "kafka", "storage_type": 3, "cube_desc_override_properties": { "kylin.cube.algorithm": "INMEM", "kylin.stream.cube.window": 28800, "kylin.stream.cube.duration": 3600, "kylin.stream.segment.retention.policy": "fullBuild", "kylin.cube.max-building-segments": "20" }, "table_properties": { "bootstrap.servers": "{YOUR_SERVERS_LIST}" } } ] |
...