OLAP簡介
摘要
druid對于做大數據的同學們來說，并不陌生。我之前也研究過很多OLAP的框架，最近研究了一下最新版的druid(0.9.1.1)， 想和大家在此分享一下，和大家一起學習進步。對于沒有接觸過BI和數據分析的同學，先給大家簡單介紹一下OLAP，作為入門。
什么是OLAP(聯機分析處理)
這個是和數據處理非常相關的一個概念。接觸過BI(商務智能的同學一定清楚。數據處理大致可以分成兩大類：聯機事務處理OLTP（on-line transaction processing）、聯機分析處理OLAP（On-Line Analytical Processing); OLTP是傳統的關系型數據庫的主要應用，主要是基本的、日常的事務處理，例如銀行交易。通俗的講，就是對數據的增刪改查等操作。 OLAP是數據倉庫系統的主要應用，支持復雜的分析操作，側重決策支持，并且提供直觀易懂的查詢結果。通俗的講，就是對數據按不同維度的聚合，維度的上鉆，下卷等。
OLAP可以分為ROLAP，MOLAP和HOLAP
ROLAP： 使用關系型數據庫或者擴展的關系型數據庫來管理數據倉庫數據，而OLAP中間件支持其余的功能。ROLAP包含了每個后端關系型數據庫的優化，聚合，維度操作邏輯的實現，附件的工具以及服務等。所以ROLAP比MOLAP有更好的可伸縮性。 比較典型的ROLAP有mondrian, Presto(facebook)。目前阿里的DRDS也可以看作是ROLAP的框架
MOLAP： 通過基于數據立方體的多位存儲引擎，支持數據的多位視圖。即通過將多維視圖直接映射到數據立方體上，使用數據立方體能夠將預計算的匯總數據快速索引。比較典型的MOLAP框架有kylin(apache), Lylin(ebay)、pinot(linkedin)和druid
也就是說MOLAP是空間換時間，即把所有的分析情況都物化為物理表或者視圖，查詢的時候直接從相應的物化表中獲取數據， 而ROLAP則通過按維度分庫，分表等方式，實現單一維度下的快速查詢，通過分布式框架，并行完成分析任務，來實現數據的分析功能。MOLAP 實現較簡單，但當分析的維度很多時，數據量呈指數增長，而ROLAP在技術實現上要求更高，但擴展性也較好。
- HOLAP： 混合OLAP結合ROLAP和MOLAP，得益于ROLAP較大的可伸縮性和MOLAP的快速查詢。
更多的關于OLAP的知識，推介大家看機械工業出版社出版的《數據挖掘-概念與技術》
