Apache Kylin和Apache Doris分析比较

Apache Kylin 和 Apache Doris 都是优秀的开源OLAP系统，Kylin和Doris分别是MOLAP和ROLAP的代表。

一、Apache Kylin

Apache Kylin是一个开源的、分布式的分析型数据仓库，提供 Hadoop/Spark 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，并且能在亚秒内查询巨大的表。

Apache Kylin 可以很好地解决海量数据的多维分析问题，并且具有亚秒级的查询响应速度。不但如此，Kylin 还具有以下几个无可比拟的优点：

如此可见，Kylin 的优点很多很突出，但不可否认的是它也存在着不足：

Kylin的理论基础是Cube理论，每一种维度组合称之为Cuboid，所有Cuboid的集合是Cube。 其中由所有维度组成的Cuboid称为Base Cuboid，所有的Cuboid都可以基于Base Cuboid计算出来。 在查询时，Kylin会自动选择满足条件的最小Cuboid。

二、Apache Doris

Doris 由百度大数据部研发 ( 之前叫百度 Palo，2018年贡献到 Apache 区后，更名为 Doris )，在百度内部，有超过200个产品线在使用，部署机器超过1000台。

Doris是一个MPP的OLAP系统，主要整合了Google Mesa（数据模型），Apache Impala（MPP Query Engine)和Apache ORCFile (存储格式，编码和压缩) 的技术。

Apache Doris是一个现代化的MPP分析型数据库产品。仅需亚秒级响应时间即可获得查询结果，有效地支持实时数据分析。Apache Doris的分布式架构非常简洁，易于运维，并且可以支持10PB以上的超大数据集。

Doris的特点：

三、Doris和Kylin简要分析比较

下图中使用Kylin作为主要MOLAP引擎。MOLAP是预计算生产，在增量业务，预设维度分析场景下表现良好。但是，应对非预设维度分析，MOLAP模型需要重新进行适配计算，也需要一定的迭代工作。架构上通过MOLAP+ROLAP双引擎模式来适配不同应用场景，如下图所示：

以Doris引擎为驱动的ROLAP模式可以较好地处理汇总与明细、变化维的历史回溯、非预设维的灵活应用、准实时的批处理等场景。而以Kylin为基础的MOLAP模式在处理增量业务分析，固化维度场景，通过预计算以空间换时间方面依然重要。

四、 区生态和用户

Doris 区刚刚起步，目前核心用户是百度，还有小米和美团。

Kylin的 区和生态已经比较成熟，目前已经在多家大型公司的生产环境中使用。国内外一线的互联 公司几乎都大规模地使用Apache Kylin，包括美团、百度、 易、京东、唯品会、小米、Strikingly、Expedia、Yahoo！JAPAN、Cisco等。此外，在传统行业中也有非常多的实际应用，包括中国移动、中国联通、中国银联、太平洋保险等。