流式構建原理_第1頁
流式構建原理_第2頁
流式構建原理_第3頁
流式構建原理_第4頁
流式構建原理_第5頁
已閱讀5頁，還剩7頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

流式構建原理目錄CONTENTS2流式構建原理1前提條件前提條件PART0101前提條件Kylin將Kafka抽象成一個等同于Hive的數據源，也就是說Kylin是作為消費者從Kafka拉取數據的。因此Kylin需要依賴Kafka的客戶端Jar包，因此我們需要設置環(huán)境變量KAFKA_HOME，指向kafka的客戶端Jar的路徑。eg：

exportKAFKA_HOME=/usr/lib/kafka/client。12寫入Kafka中的數據為相同格式的JSON數據，Kylin會從JSON中解析出一張?zhí)摂M表，虛擬表中也就是JSON格式的數據中必須包含一個timestamp類型的字段。前提條件3Kylin假定所有往Kafka寫入的數據都是規(guī)范的。因此我們需要在往Kafka寫數據之前要對數據進行清洗。如果寫入Kafka的JSON串中對應的度量和維度字段的value為null、空對象或者類型不匹配，在Kylin構建過程中會報錯。前提條件流式構建原理PART0202增量Cube的創(chuàng)建創(chuàng)建增量Cube的過程和創(chuàng)建普通Cube的過程基本類似，只是增量Cube會有一些額外的配置要求。

流式構建原理由于分布式網絡存在延遲等因素，因此從消息隊列中取出的消息并不一定必須要按照業(yè)務時間升序排列。Kylin假設消息隊列中的所有消息均按照業(yè)務時間呈基本遞增的趨勢。流式構建需要達到分鐘級的數據更新頻率，Kylin的做法是每隔數分鐘就啟動一次微構建，用于處理最新的一批數據。類似于SparkStreaming。使用一種變種的二分查找法來定位所需要讀取的消息隊列的起始序號和結束序號。流式構建原理調度器每隔一段時間（INTERVAL）就觸發(fā)流式構建引擎開始工作，目的是構建一個新的Segment。隨后進入深層次的預計算中，流式構建引擎根據配置好的消息分析器，從每個消息中提取出有用的維度和度量。這些數據將按照Cube的設計被預計算，結果會被封裝成一個新的Segment存到存儲引擎中。并結合配置從業(yè)務時間戳上衍生計算出所有需要的衍生時間維度。在自動后，流式構建引擎會從消息隊列中提取出一部分的消息。這些消息中有一些并不屬于當前工作的Segment，因此需要一個過濾器將不需要的消息進行過濾。流式構建有數據量小、速度要求高的特點，它不從Hive中獲取數據，而是提供了

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論