文档介绍：大数据多维分析平台实践方案
一、大数据多维分析平台搭建的初心
随着公司业务量的增长，基于传统关系型数据库搭建的各种报表查询分析系统，性能下降明显。同时由于大数据平台的的日趋完善，实时的核心业务数据逐步进入大数据平台。
数据进入了大数据平台，相伴而来的是各种业务需求，这里主要聚焦在如何高效稳定的基于大数据平台的数据进行查询。
通过分析，我们面临的挑战如下：
•亿级别表下任意维度和时间跨度的高效的统计查询。
•业务分析的维度越来越多，是否可以提供一个灵活的多维度组合查询的工具，而不是针对不同的维度组合开发不同的报表。
基于以上目标，开始搭建大数据的多维分析平台。
二、多维分析平台技术选型
搭建多维分析平台，首先面临的是技术选型，基于我们对开源框架的使用经验和实际情况，我们主要看业界主流的公司是如何使用应对的，在技术选型上会进行一定的比较，但不会投入比较大的资源进行验证，主张快速的迭代，效果的评估。多维分析平台技术选型主要面临是OLAP引擎和前端UI的选型。
我们先来看一下OLAP的基本概念和分类。
OLAP翻译成中文叫联机分析处理，OLTP叫联机事务处理。OLTP它的核心是事务，实际上就是我们常见的数据库。我们业务数据库就是面向于事务。它的并发量会比较高，但是操作的数据量会比较小。
它是实时更新的。数据库的设计会按照3NF范式，更高的话可能会按照BC范式之类的来做。而OLAP的核心是分析，面向应用是分析决策，需要分析的数据级会非常大，可能TB，甚至PB都会有。它的数据更新会稍微慢一些，它的设计一般是反范式的，因为面向分析。常见的是雪花模型和星型模型。
OLAP的引擎目前主要分为3类
第一种叫ROLAP，叫关系型OLAP，它的特点就是它是基于关系性模型，计算的时候，根据原始数据去做聚合运算。常见的实现，小数据量可以利用MySQL、SqlServer这种传统数据库，而大数据量可以利用SparkSQL、Tidb、ES这些项目。
第二种类型叫MOLAP，叫多维OLAP，它的特点就是它会基于一个预定义的模型，我需要知道，要根据什么维度，要去算哪些指标，我提前就把这些结果弄好，存储在引擎上。细节数据和聚合后的数据保存在cube中，以空间换时间，查询效率高。
实际上我们的很多业务也是基于此思想去做的，比如我们会在ES里面按照电站、客户等维度进行聚合，满足日常的T+1查询需求，只不过这个地方每个聚合维度需要在ES里面做一个表，并增加上复杂的ETL处理
。符合这个理念在业界用的比较多的为Kylin。并且基于Kylin有完整的一套开源产品KMS。涵盖了多维分析的前端UI及多维分析数据库。
第三种叫HOLAP(HybridOLAP)，叫混合OLAP，特点是数据保留在关系型数据库的事实表中，但是聚合后的数据保存在cube中，聚合时需要比ROLAP高，但低于MOLAP。
综合分析，技术选型上主要考虑第ROLAP和MOLAP。关于OLAP的分类已经经过了很多年的发展，市场上相关的产品也有很多，但是大数据下基于开源组件应该如何搞？
在大数据时代，有了分布式计算和分布式存储，对于亿级别表的任意时间跨度多维度组合的查询,是不是可以直接查询