Kylin正式發(fā)布：面向大數(shù)據(jù)的終極OLAP引擎方案

日前，eBay公司隆重宣布已經(jīng)正式向開源業(yè)界推出分布式分析引擎：Kylin（http://kylin.io）。作為一套旨在對Hadoop環(huán)境下分析流程進(jìn)行加速、且能夠與SQL兼容性工具順利協(xié)作的解決方案，Kylin成功將SQL接口與多維分析機(jī)制（OLAP）引入Hadoop，旨在對規(guī)模極為龐大的數(shù)據(jù)集加以支持。

背景信息

eBay公司當(dāng)前面臨的主要挑戰(zhàn)在于，數(shù)據(jù)規(guī)模正隨著用戶群體的多樣化拓展而水漲船高。我們的用戶——比如在分析與業(yè)務(wù)部門當(dāng)中希望能在保持最低延遲水平的前提下繼續(xù)使用自己所熟悉的工具方案，例如Tableau與Excel。 
 
有鑒于此，我們與公司內(nèi)部的分析部門進(jìn)行緊密合作，并勾勒出eBay眼中足以構(gòu)成成功產(chǎn)品的基本要求：
1.數(shù)百億數(shù)據(jù)行的查詢延遲需要保持在次秒級別。  
2.能夠?yàn)槭褂?a href='/map/sql/' style='color:#000;font-size:inherit;'>SQL兼容性工具的用戶提供ANSI SQL。  
3.完整的OLAP方案以實(shí)現(xiàn)各類高級功能。  
4.擁有對高基數(shù)與超大規(guī)模業(yè)務(wù)體系的支持能力。  
5.面向成千上萬用戶的高并發(fā)性處理能力。  
6.能夠處理TB乃至PB級別分析任務(wù)的分布式橫向擴(kuò)展架構(gòu)。 

我們很快意識到，沒有任何一種外部解決方案能夠切實(shí)滿足我們的具體要求——特別是在開源Hadoop社區(qū)當(dāng)中。為了解決企業(yè)業(yè)務(wù)面臨的這一系列緊急狀況，我們決定從零開始自主打造一套平臺。在優(yōu)秀的技術(shù)團(tuán)隊與部分試點(diǎn)客戶的通力配合之下，我們已經(jīng)能夠在將Kylin平臺引入生產(chǎn)環(huán)境的同時、為其發(fā)布一套開源版本。 

重點(diǎn)特性概述

Kylin 是一套卓越的平臺方案，能夠在大數(shù)據(jù)分析領(lǐng)域?qū)崿F(xiàn)以下各項特性： 

?  規(guī)?；h(huán)境下的極速OLAP引擎: Kylin的設(shè)計目的在于削減Hadoop環(huán)境中處理超過百億行數(shù)據(jù)時的查詢延遲時間。  
? Hadoop上的ANSI SQL接口:Kylin能夠在Hadoop之上提供ANSI SQL并支持大部分ANSI SQL查詢功能。  
?交互式查詢功能:用戶可以通過Kylin以秒級以下延遲水平實(shí)現(xiàn)與Hadoop數(shù)據(jù)的交互——在面對同一套數(shù)據(jù)集時，其性能表現(xiàn)優(yōu)于Hive查詢機(jī)制。  
?  利用MOLAP cube（立方體）對數(shù)百億行數(shù)據(jù)進(jìn)行查詢: 用戶能夠在Kylin當(dāng)中定義一套數(shù)據(jù)模型對其進(jìn)行預(yù)構(gòu)建，其中所能包含的原始數(shù)據(jù)記錄可超過百億行。  
?  與商務(wù)智能工具進(jìn)行無縫化集成:Kylin目前能夠與多種商務(wù)智能工具相集成，包括Tableau以及其它第三方應(yīng)用程序。  
?  開源ODBC驅(qū)動程序: Kylin的ODBC驅(qū)動程序從零開始逐步構(gòu)建而成，而且能夠與Tableau實(shí)現(xiàn)良好的協(xié)作效果。我們也已經(jīng)對這部分驅(qū)動程序進(jìn)行開源處理并發(fā)布至技術(shù)社區(qū)當(dāng)中。  

其它特性：

• 任務(wù)管理與監(jiān)控機(jī)制
• 通過壓縮與編碼機(jī)制降低存儲容量需求 
• cube的增量式更新 
• 利用HBase協(xié)處理器實(shí)現(xiàn)查詢延遲控制 
•  對不同計數(shù)進(jìn)行近似查詢的能力（HyperLogLog） 
• 提供易于使用的Web界面，旨在對cube進(jìn)行管理、構(gòu)建、監(jiān)控與查詢
• cube/項目層面對ACL進(jìn)行設(shè)置的安全功能 
• 支持LDAP集成 

基本設(shè)計思路

Kylin平臺的設(shè)計思路其實(shí)并非全新產(chǎn)生。在過去三十年當(dāng)中，已經(jīng)有很多技術(shù)方案使用到同樣的理論依據(jù)來實(shí)現(xiàn)分析流程加速。具體而言，此類技術(shù)包括將預(yù)先計算完成的結(jié)果保存起來以備分析查詢、利用所有可能的維度組合為每個層級生成cuboid（基本方體）、或者是在不同層級上對全部指數(shù)進(jìn)行計算。 
 
下面這幅圖片所示為cuboid的拓?fù)浣Y(jié)構(gòu)，供大家用作參考： 

當(dāng)數(shù)據(jù)規(guī)模變得越來越大時，預(yù)計算處理機(jī)制就會變得無法實(shí)現(xiàn)——即使硬件性能再強(qiáng)大也于事無補(bǔ)。不過在Hadoop強(qiáng)大的分布式計算能力支持下，計算任務(wù)能夠借助成百上千個計算節(jié)點(diǎn)的總體資源。這就保證了Kylin能夠以并發(fā)方式對這些計算任務(wù)進(jìn)行處理，并通過合并生成最終結(jié)果——這能夠顯著降低整體處理時間。 

從關(guān)系型到鍵-值型 

下面舉一個實(shí)例，假設(shè)Hive表當(dāng)中所保存的幾條記錄代表著一套關(guān)系型結(jié)構(gòu)。當(dāng)其數(shù)據(jù)規(guī)模增長到極其巨大的水平時——例如上百億甚至過萬億行數(shù)據(jù)——那么像“2010年我們在美國本土售出了多少套技術(shù)類方案”這樣的簡單問題也將帶來涵蓋巨大數(shù)據(jù)量的表內(nèi)容掃描，給出應(yīng)答的延時狀況也會變得無法接受。由于每一次運(yùn)行查詢時所需要的值是固定的，因此我們完全可以預(yù)先進(jìn)行計算并對結(jié)果加以存儲、以備日后隨時調(diào)用。這項技術(shù)被稱為從關(guān)系型到鍵-值型（Relational to Key—Value，簡稱KV）處理。處理過程將生成所有維度組合并如下圖所示將測得值顯示出來——圖片右側(cè)為計算結(jié)果。圖片的中間一列內(nèi)容由左至右表示的是這類大規(guī)模數(shù)據(jù)處理流程中數(shù)據(jù)是如何由Map Reduce進(jìn)行計算的。  
                 
Kylin的構(gòu)建正是以這套理論為基礎(chǔ)，而且在對大規(guī)模數(shù)據(jù)進(jìn)行處理時充分發(fā)揮了Hadoop生態(tài)系統(tǒng)的強(qiáng)大能力:

1. 從Hive當(dāng)中讀取數(shù)據(jù)（這些數(shù)據(jù)被保存在HDFS之上）  
2. 運(yùn)行Map Reduce任務(wù)以實(shí)現(xiàn)預(yù)計算  
3. 將cuba數(shù)據(jù)保存在HBase當(dāng)中  
4. 利用Zookeeper進(jìn)行任務(wù)協(xié)調(diào) 

架構(gòu)
以下圖表所示為Kylin的高層架構(gòu)。  
                    

以上圖表勾勒出Cube構(gòu)建引擎（Cube Build Engine）是如何以離線處理方式將關(guān)系型數(shù)據(jù)轉(zhuǎn)化成鍵-值型數(shù)據(jù)的。其中的黃線部分還表現(xiàn)出在線分析數(shù)據(jù)的處理流程。數(shù)據(jù)請求可以利用基于SQL的工具由SQL提交而產(chǎn)生，或者利用第三方應(yīng)用程序通過Kylin的RESTful服務(wù)來實(shí)現(xiàn)。RESTful服務(wù)會調(diào)用Query Engine，后者則檢測對應(yīng)的目標(biāo)數(shù)據(jù)集是否真實(shí)存在。如果確實(shí)存在，該引擎會直接訪問目標(biāo)數(shù)據(jù)并以次秒級延遲返回結(jié)果。如果目標(biāo)數(shù)據(jù)集并不存在，該引擎則會根據(jù)設(shè)計將無匹配數(shù)據(jù)集的查詢路由至Hadoop上的SQL處、即交由Hive等Hadoop集群負(fù)責(zé)處理。 

以下為關(guān)于Kylin平臺內(nèi)所有組件的詳細(xì)描述。 
 
?元數(shù)據(jù)管理工具（Metadata Manager）: Kylin是一款元數(shù)據(jù)驅(qū)動型應(yīng)用程序。元數(shù)據(jù)管理工具是一大關(guān)鍵性組件，用于對保存在Kylin當(dāng)中的所有元數(shù)據(jù)進(jìn)行管理，其中包括最為重要的cube元數(shù)據(jù)。其它全部組件的正常運(yùn)作都需以元數(shù)據(jù)管理工具為基礎(chǔ)。  
?任務(wù)引擎（Job Engine）: 這套引擎的設(shè)計目的在于處理所有離線任務(wù)，其中包括shell腳本、Java API以及Map Reduce任務(wù)等等。任務(wù)引擎對Kylin當(dāng)中的全部任務(wù)加以管理與協(xié)調(diào)，從而確保每一項任務(wù)都能得到切實(shí)執(zhí)行并解決其間出現(xiàn)的故障。  
?存儲引擎（Storage Engine）: 這套引擎負(fù)責(zé)管理底層存儲——特別是cuboid，其以鍵-值對的形式進(jìn)行保存。存儲引擎使用的是HBase——這是目前Hadoop生態(tài)系統(tǒng)當(dāng)中最理想的鍵-值系統(tǒng)使用方案。Kylin還能夠通過擴(kuò)展實(shí)現(xiàn)對其它鍵-值系統(tǒng)的支持，例如Redis。  
?REST Server:  REST Server是一套面向應(yīng)用程序開發(fā)的入口點(diǎn)，旨在實(shí)現(xiàn)針對Kylin平臺的應(yīng)用開發(fā)工作。 此類應(yīng)用程序可以提供查詢、獲取結(jié)果、觸發(fā)cube構(gòu)建任務(wù)、獲取元數(shù)據(jù)以及獲取用戶權(quán)限等等。  
?ODBC驅(qū)動程序:為了支持第三方工具與應(yīng)用程序——例如Tableau——我們構(gòu)建起了一套ODBC驅(qū)動程序并對其進(jìn)行了開源。我們的目標(biāo)是讓用戶能夠更為順暢地采用這套Kylin平臺。  
?查詢引擎（Query Engine）:當(dāng)cube準(zhǔn)備就緒后，查詢引擎就能夠獲取并解析用戶查詢。它隨后會與系統(tǒng)中的其它組件進(jìn)行交互，從而向用戶返回對應(yīng)的結(jié)果。  
在Kylin當(dāng)中，我們使用一套名為Apache Calcite的開源動態(tài)數(shù)據(jù)管理框架對代碼內(nèi)的SQL以及其它插入內(nèi)容進(jìn)行解析。Calcite架構(gòu)如下圖所示。（Calcite最初被命名為Optiq，由Julian Hyde所編寫，但如今已經(jīng)成為Apache孵化器項目之一。） 

Kylin在eBay公司中的應(yīng)用

在對Kylin進(jìn)行開源化處理的同時，我們已經(jīng)在eBay公司的多個業(yè)務(wù)部門當(dāng)中將其應(yīng)用于生產(chǎn)實(shí)踐。其中規(guī)模最大的用例就是對由120多億條源記錄所生成的超過14TB cube數(shù)據(jù)進(jìn)行分析。90%的查詢請求都能在5秒鐘之內(nèi)獲取到返回結(jié)果?，F(xiàn)在，我們擁有更多面向分析師以及業(yè)務(wù)用戶的用例，他們能夠訪問這些分析機(jī)制并輕松通過Tableau儀表板獲取相關(guān)結(jié)果——而不再需要借助Hive查詢或者shell命令等復(fù)雜機(jī)制。 

下一步發(fā)展規(guī)劃

?  在高基數(shù)維度上支持TopN算法（即對大量對象進(jìn)行排序并從中選取前N位結(jié)果）:目前的MOLAP技術(shù)在高基數(shù)維度上進(jìn)行查詢時的表現(xiàn)尚算不上完美——例如對單一列中的數(shù)百萬個不同值進(jìn)行TopN運(yùn)算。 

與各類搜索引擎類似（正如眾多研究人員所指出），倒排索引是此類預(yù)構(gòu)建結(jié)果的理想匹配機(jī)制。  
?  支持混合OLAP(簡稱HOLAP):MOLAP在歷史數(shù)據(jù)查詢領(lǐng)域擁有出色的實(shí)際表現(xiàn)，但由于越來越多數(shù)據(jù)需要以實(shí)時方式加以處理，因此我們需要盡快將實(shí)時/近實(shí)時處理結(jié)果與歷史結(jié)果結(jié)合起來、以作為業(yè)務(wù)決策中的參考信息。很多內(nèi)存內(nèi)技術(shù)方案已經(jīng)能夠以關(guān)系型OLAP（簡稱ROLAP）的方式滿足上述需求。而Kylin的下一代版本將成為混合OLAP（簡稱HOLAP），即結(jié)合MOLAP與ROLAP雙方的優(yōu)勢以帶來單一一套面向前端查詢的入口點(diǎn)方案。