这篇文章主要解答的一个问题就是:
kylin 是什么 ?
根据官方的介绍 http://kylin.apache.org/cn/docs/
这篇博客也很优秀:http://tech.meiyou.com/?p=97
Apache Kylin™是一个开源的分布式分析引擎，提供Hadoop之上的SQL查询接口及多维分析（OLAP）能力以支持超大规模数据，最初由eBay Inc.开发并贡献至开源社区。
关键词:
开源
任何人都可以接触到源代码,目前已经贡献给Apache基金会,并成为顶级项目
分布式
基于 mr , spark 的底层计算, 实现分布式计算
基于hbase的计算结果存储,实现分布式调用
分析引擎
cube建模,三维立体的数据集合,对于任意二维的组合,都可以实现,也就让数据分析的需求更加容易落地.
Kylin的核心思想是利用空间换时间，由于查询方面制定了多种灵活的策略，进一步提高空间的利用率，使得这样的平衡策略在应用中是值得采用的
Hadoop之上
Hadoop解决了分布式存储,分布式计算,分布式协调等基础问题.kylin可以对Hadoop上的数据(hive) 进行SQL操作, 达到一个预处理,预计算的效果.
SQL查询接口
kylin的结果数据,可以提供SQL查询. 并且 拥有JDBC API . 方便程序扩展
多维度OLAP
STEP1. 根据Cube定义的事实表和维度，在Hive中生成一张中间表；
STEP2. 使用MapReduce，从事实表中抽取维度的Distinct值，并以字典树的方式压缩编码，同时也对所有维度表进行压缩编码，生成维度字典；
STEP3. 计算和统计所有的维度组合，并保存，其中，每一种维度组合，称为一个Cuboid；
STEP4. 创建HBase Table；
STEP5. 利用step1中间表的数据，使用MapReduce，生成每一种维度组合的数据；
STEP6. 将Cuboid数据转换成HFile，并导入到HBase Table中：
STEP7. 更新Cube信息，清理中间表：
整个Build过程结束。
cube 建模过程结束以后,我们就可以进行多维度的OLAP分析了
Cube是一种典型的多维数据分析技术，一个Cube可以有多个事实表，多个维表构成。
1、维度组合Cuboid
Cube是所有的维度组合，任一维度的组合称为cuboid。
理论上来说，一个N维的Cube，便有2的N次方种维度组合（Cuboid），一个Cube包含time，item, location, supplier四个维度，那么组合便有16种：
Kylin中Cube的Build过程，其实是将所有的维度组合事先计算，存储于HBase中，以空间换时间，HTable对应的RowKey，就是各种维度组合，指标存在Column中。
这样，将不同维度组合的查询SQL，转换成基于RowKey的范围扫描，然后对指标进行汇总计算。
2、Kylin构建Cube的过程
如下图所示：
超大规模
只要你有足够的hbase存储kylin结果,那规模肯定是巨大的
因为进行了预处理,所以才会快