kylin不可以使用mapreduce或者spark作为构建引擎

这个说法不完全准确。Kylin默认使用Hadoop MapReduce作为构建引擎，但也可以支持使用Apache Spark作为构建引擎。

Kylin是一个OLAP（Online Analytical Processing）引擎，用于快速查询大规模数据集。在Kylin中，数据集被存储在Hadoop分布式文件系统（HDFS）上，并被划分为多个数据块进行分布式存储和处理。为了支持高效的查询和分析，Kylin会将数据集进行预处理和聚合，生成多维数据模型（Cube），并将其存储在HBase中。

在Kylin中，Cube的构建过程主要分为两个阶段：首先，Kylin会对源数据进行抽样和预处理，生成一个或多个Hadoop MapReduce作业；然后，Kylin会使用Cube构建引擎，对MapReduce作业的输出进行合并和聚合，生成Cube数据模型，并将其存储在HBase中。

在默认情况下，Kylin使用Hadoop MapReduce作为构建引擎，但也可以通过配置文件来支持使用Apache Spark作为构建引擎。Kylin使用Spark作为构建引擎的方式是通过将MapReduce作业转换成Spark作业来实现的，这样可以利用Spark的内存计算能力和分布式计算框架，提高构建速度和效率。

因此，Kylin既支持使用Hadoop MapReduce作为构建引擎，也支持使用Apache Spark作为构建引擎。在选择构建引擎时，需要根据具体的业务需求和系统规模进行合理的选择和配置，以实现最佳的性能和效率。

相关问题

apache kylin 架构

Apache Kylin 是一款开源的分布式分析引擎，旨在为 OLAP（联机分析处理）场景下大数据处理提供高效的解决方案。Kylin 架构设计主要包括四层：数据存储层、计算层、查询层和访问层。

数据存储层：Kylin 支持多种数据源，包括 HBase、Hive 和 RDBMS。在数据存储层，Kylin 将数据进行切分和存储，并构建多维数据模型和 Cube 模型，以此支持多维分析查询。

计算层：Kylin 计算层主要负责构建 Cube 数据模型，从而支持快速的多维分析。Kylin 使用 MapReduce、Spark 和 Flink 等分布式计算框架构建 Cube 模型，并且采用增量计算和全量计算相结合的方式，以保证数据的实时更新和高效查询。

查询层：Kylin 查询层主要提供两种查询方式：SQL 和 REST API。Kylin 查询层可以直接访问 Kylin Cube 数据模型，同时支持 SQL JOIN 和聚合操作，以支持丰富的多维分析操作。

访问层：Kylin 访问层主要负责提供数据可视化和 BI 工具集成。Kylin 支持多种数据可视化工具，如 Tableau、PowerBI 和 Superset 等，以及多个 BI 工具的集成，如 Apache Zeppelin、Apache Superset 和 Apache Druid 等。

总之，Apache Kylin 架构设计以分布式计算为核心，通过数据存储、计算、查询和访问四层框架提供高效、快速、多维的 OLAP 型数据分析解决方案，可广泛应用于电商、金融、广告等场景的数据分析处理。