大数据实战【千亿级数仓】阶段五

        本篇博客，为大家带来的是关于大数据实战【千亿级数仓】阶段五的内容。

        该阶段中我们需要达成的目标有：

• 学习、掌握kylin的使用,使用kylin，为数据仓库内的数据进行预计算

        关于Kylin的入门及使用安装，具体的内容可以参考博主写的kylin专栏的内容：
        👉Kylin

        所以本篇博客，为大家带来的则是如何将Kylin与我们的数仓项目进行结合，即使用Kylin，为数据仓库内的ads层结果数据进行预计算处理。

基于Kylin开发Ads层

项目需求介绍

        因为业务需要，公司运营部门，希望随时能够自己编写SQL语句，快速获取到不同维度数据的指标，故基于Kylin OLAP分析平台，搭建快速OLAP分析平台。

业务开发

开发步骤：

1. 创建 itcast_shop 项目
2. 导入dw层宽表数据
3. 创建数据模型
4. 创建Cube立方体
5. 构建立方体
6. 执行查询

具体操作步骤：

在kylin中导入数据源


创建model

指定model名称：

选择事实表：

创建完了Model，接着我们需要创建Cube，创建Cube就需要根据我们根据业务需求中所书写的SQL语句进行操作。

这里举一个在前面阶段我们所求得的SQL指标的例子。

全国、无商品分类维度的交易信息

需求：

1. 获取全国、无商品分类维度的分交易类型数据
2. 获取全国、无商品分类维度的不分交易类型的数据

对应的SQL

-- 获取全国、无商品分类维度的分交易类型数据
select
    paytype,
    count(distinct orderid) total_cnt,
    sum(goodsprice) total_money
from
    itcast_dw.TMP_ORDER_GOODS_CAT_ORG
group by paytype;

-- 获取全国、无商品分类维度的不分交易类型的数据
select
    '9' as paytype,
    count(distinct orderid) total_cnt,
    sum(goodsprice) total_money
from
    itcast_dw.TMP_ORDER_GOODS_CAT_ORG;

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
 

全国、一级商品分类维度交易信息

需求：

1. 获取全国、一级商品分类维度的分交易类型数据
2. 获取全国、一级商品分类维度的不分交易类型数据

对应的SQL

-- 1、获取全国、一级商品分类维度的分交易类型数据
select
    firstcat,
    paytype,
    count(distinct orderid) total_cnt,
    sum(goodsprice) total_money
from
    itcast_dw.TMP_ORDER_GOODS_CAT_ORG
group by firstcat, paytype;

-- 2、获取全国、一级商品分类维度的不分交易类型数据
select
    firstcat,
    count(distinct orderid) total_cnt,
    sum(goodsprice) total_money
from
    itcast_dw.TMP_ORDER_GOODS_CAT_ORG
group by firstcat;

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
 

        获取到SQL指标之后，我们就可以创建Cube立方体，并build构建立方体，最后再根据SQL语句，在线进行查询即可。

        因为这里面所涉及到的Kylin基本的流程操作。而博主在之前的博客kylin入门实操已经为大家较为详细地介绍了kylin的操作流程，所以这里就不再做过多的赘述。

        大家在领悟了Kylin的基本流程之后，根据已有的SQL，利用Kylin进行加速查询还是比较容易的。

小结

        大数据实战【千亿级数仓】阶段五的内容到这里就结束了。大家需要在了解Kylin基本操作的基础上，对我们数仓项目ads数据层的数据进行预处理，加速查询！！！

        如果以上过程中出现了任何的纰漏错误，烦请大佬们指正😅

        受益的朋友或对大数据技术感兴趣的伙伴记得点赞关注支持一波🙏

文章来源: alice.blog.csdn.net，作者：大数据梦想家，版权归原作者所有，如需转载，请联系作者。

原文链接：alice.blog.csdn.net/article/details/106245790