kylin2.3版本启用jdbc数据源（可以直接通过sql生成hive表，省去手动导数据到hive,并建hive表的麻烦）

Posted 2020-11-01 double_kill

kylin2.3版本启用jdbc数据源（可以直接通过sql生成hive表，省去手动导数据到hive,并建hive表的麻烦）

 

说明：

jdbc数据源，本质上还是hive数据源。

由于数据库做大表关联方面性能还是不行。所以kylin的默认数据源仍然是hive,我觉得是非常合理的。

对应jdbc数据源，其实就是一种便利的方式。其基本原理就是通过连接数据库，选取所要用的表（或者sql查询）。

通过sqoop并行的抽取数据，并按照表名生成对应的hive表。cube的构建就根据生成的hive表进行。

每次构建的时候都重新抽取数据，生成hive表，构建完成之后，就把这个hive表删除掉。

相当于是自动做了之前开发需要 自己做的数据同步到hdfs、新建hive表、同步hive表到kylin这些繁琐重复的工作。

 

缺点：

1、基于以上说明，很容易得出其缺点就是这些hive表是瞬时的。每次构建都要现场去抽取全量的数据（从而增大了数据库的压力，增加了网络开销，并且拖慢了cube整体构建速度）。（这里可以通过定制其源码改成可配置的增量更新的方式，会更好用；但是要考虑表结构变更，是删除全表重建，还是要怎么处理）

2、由于表是瞬时的，就不能同时把这些表提供给其他方使用。

3、数据源方式不能共用，就是不能同时使用hive和jdbc数据源。这个对需要大数据平台处理的数据就不那么友好了，数据处理完再写会数据库会非常慢。

 

 

参考其官网说明和git

https://issues.apache.org/jira/browse/KYLIN-3044

 

 

 设置sqoop导入的默认并行度