写在前面： 博主是一名软件工程系大数据应用开发专业大二的学生，昵称来源于《爱丽丝梦游仙境》中的Alice和自己的昵称。作为一名互联网小白，
写博客一方面是为了记录自己的学习历程，一方面是希望能够帮助到很多和自己一样处于起步阶段的萌新。由于水平有限，博客中难免会有一些错误，有纰漏之处恳请各位大佬不吝赐教！个人小站:http://alices.ibilibili.xyz/ , 博客主页:https://alice.blog.csdn.net/
尽管当前水平可能不及各位大佬，但我还是希望自己能够做得更好，因为一天的生活就是一生的缩影。我希望在最美的年华，做最好的自己！
在上一篇博客中，博主已经为大家介绍了如何进行kylin的增量构建。在最后也讨论了增量构建会导致Segment越来越多，进而降低数据查询的效率。本篇博客，为大家带来的就是如何对Cube进行碎片化的管理
码字不易，先赞后看
Cube碎片管理
增量构建的问题
日积月累，增量构建的Cube中的Segment越来越多，该Cube的查询性能也会越来越慢，因为需要在单点的查询引擎中完成越来越多的运行时聚合。为了保持查询性能：
- 需要定期地将某些Segment合并在一起
- 或者让Cube根据Segment保留策略自动地淘汰那些不会再被查询到的陈旧Segment
管理Cube碎片
上述案例，每天都会生成一个Segment，对应就是HBase中的一张表。增量构建的Cube每天都可能会有新的增量。这样的Cube中最终可能包含上百个Segment，这将会导致Kylin性能受到严重的影响
- 从执行引擎的角度来说，运行时的查询引擎需要聚合多个Segment的结果才能返回正确的查询结果
- 从存储引擎的角度来说，大量的Segment会带来大量的文件，给存储空间的多个模块带来巨大的压力，例如Zookeeper、HDFS Namenode等
因此，有必要采取措施控制Cube中Segment的数量。
手动触发合并Segment
Kylin提供了一种简单的机制用于控制Cube中Segment的数量：合并Segments。在Web GUI中选中需要进行Segments合并的Cube。
操作步骤：
1、单击Action→Merge
2、选中需要合并的Segment，可以同时合并多个Segment，但是这些Segment必须是连续的
单击提交后系统会提交一个类型为“MERGE”的构建任务，它以选中的Segment中的数据作为输入，将这些Segment的数据合并封装成为一个新的Segment。新的Segment的起始时间为选中的最早的Segment的起始时间，它的结束时间为选中的最晚的Segment的结束时间。
待到运行完毕，我们可以发现Cube内部的Segment文件已经合并为一个
注意事项：
- 在MERGE类型构建完成之前，系统将不允许提交这个Cube上任何类型的其他构建任务
- 在MERGE构建结束之前，所有选中用来合并的Segment仍然处于可用的状态
- 当MERGE构建结束的时候，系统将选中合并的Segment替换为新的Segment，而被替换下的Segment等待将被垃圾回收和清理，以节省系统资源
讲完了合并Segment，我们来谈谈如何删除Segment
删除Segment
同样的，我们也可以使用WebUI删除Cube的segment
操作步骤：
1、disable Cube
2、点击 delete Segment，删除指定的segment
如果使用Postman发送请求删除Segment
| 属性 | 值 |
|---|---|
| URL | http://node1:7070/kylin/api/cubes/{cubeName}/segs/{segmentName} |
| 请求方式 | DELETE |
自动合并
手动维护Segment很繁琐，人工成本很高，Kylin中是可以支持自动合并Segment。
在Cube Designer的“Refresh Settings”的页面中有：
- Auto Merge Thresholds
- Retention Threshold
两个设置项可以用来帮助管理Segment碎片。这两项设置搭配使用这两项设置可以大大减少对Segment进行管理的麻烦。
1、Auto Merge Thresholds
- 允许用户设置几个层级的时间阈值，层级越靠后，时间阈值就越大
- 每当Cube中有新的Segment状态变为 READY的时候，会自动触发一次系统自动合并
- 合并策略
达到了阈值就跳过，没有达到阈值就合并到这个阈值，没满足不合并。
尝试最大一级的时间阈值，例如：针对（7天、28天）层级的日志，先检查能否将连续的若干个Segment合并成为一个超过28天的大Segment。
- 如果有个别的Segment的时间长度本身已经超过28天，系统会跳过Segment
- 如果满足条件的连续Segment还不能够累积超过28天，那么系统会使用下一个层级的时间阈值重复寻找
这里为了方便大家理解，举一个例子
- 假设自动合并阈值设置为7天、28天
- 如果现在有A-H8个连续的Segment，它们的时间长度为28天（A）、7天（B）、1天（C）、1天（D）、1天（E）、1天（F）、1天（G）、1天（H）
- 此时，第9个Segment I加入，时间长度为1天
自动合并策略为：
2、配置自动合并
首先设置阈值，可以使一个也可以使多个。
设置完Cube后，我们build进行构建，然后等待
运行完毕以后，生成一天的数据
接着我们提交下一个一天的数据（1014-1015）
待到构建完毕，我们可以发现新的Segment已经与之前的Segment合并了
若设置多层次的合并级别，最好是每个层次之间是整倍数关系
既然能自动合并，那肯定有办法自动删除，接下来我们就来唠唠
自动删除
自动合并是将多个Segment合并为一个Segment，以达到清理碎片的目的。自动删除Segment则是及时清理不再使用的Segment。
在很多场景中，只会对过去一段时间内的数据进行查询，例如：
- 对于某个只显示过去1年数据的报表
- 支撑它的Cube其实只需要保留过去一年类的Segment即可
- 由于数据在Hive中已经存在备份，则无需在Kylin中备份超过一年的历史数据
可以将Retention Threshold设置为365。每当有新的Segment状态变为READY的时候，系统会检查每一个Segment。如果它的结束时间距离最晚的一个Segment的结束时间已经大于等于“Retention Threshold”，那么这个Segment将被视为无需保留。系统会自动地从Cube中删除这个Segment。
总结
本篇博客为大家介绍了如何进行Cube的碎片化管理，包括手动合并，删除，以及自动合并，删除。下一篇博客，将为大家介绍如何使用JDBC连接Kylin，敬请期待😎
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🙏
转载：https://blog.csdn.net/weixin_44318830/article/details/106165065