10_Kylin_实战_kylin和hive性能对比

好了同学们，那一旦咱们的这个king的cube构建成功以后呢，那咱们接下来哎，就可以用这个K做这个计息查询了，因此啊，咱们这个文档在这地方怎么就是为为了体现这个K的速度的快，咱们出了同一个需求。要求咱们大家去这个have里边查一下，哎，然后呢，去K里边查一下，呃，对比一下两个查询的速度，注意咱们执行的circle口是同一个circle口啊，就是这么一个circle口，大家可以看一眼，咱们这个circle口很简单，这个我就不写了吧，就是从这个，从这个员工表，然后这位上这个部门表，然后这个专条件写一下，然后呢，然后按照这个部门表的这个d name，就是部门名称给它勾求一下这个每个部门的员工薪资总数，就是低内容，然后呢，Sum sum，这个salary是吧，那这样，那我们先把这个circle咱们复制一下，咱们先去这个have里边查一下，看一下，如果我通过have查。

就这么一个circle，我需要跑多久好吧啊。那咱们就来到咱们这个have的客户端里边，哎，在在我这个have的客端里边，我刚好是吧，我在我这个king test这么一个库下，那我就可以直接执行这么一个circle了，大家知道这个circle底层它是不是要跑这个MA6啊，因为咱们现在当前这个have也没有设置别的是吧，所以说我这个have的这个circle它底层其实就是MA6，那大家也知道你一旦要跑这个ME6了，这个速度是比较慢的啊。我们需要耐心等待一下，他大概得需要个几十秒吧啊。你会发现是吧，咱们经过了将近26秒，哎，咱们查出来了这么一个circle是吧，查出来了我这每个部门下这个员工的总总工资。之所以他能20多秒查出来，是因为咱们这个数据量比较小，大家可以思考一下，如果咱们这个员工表跟这个部门表数据量，尤其这个员工表是吧，如果数据量你达到了这个几百G以后，咱们这个map，如果就咱们这么一个简单的查询circle，在have里边应该是要跑半个小时以上的。

那如果这个时候是吧，老板让你过来查一下，你说老板我需要跑半个小时，你请你耐心等待一下，老板会很生气。那既然是吧，咱们安装了Kelly，也用Kelly给它构建了cub，要做这个计息查询了，咱们接下来把同一个circle在这个K里边，咱们跑一下，我看一下我这个K它需要多长时间能够把咱们这个数据查出来，好吧，要在K哪个地方能查呀，注意啊，K这个官网这个界面就就是这个界面提供了一个查询入口，在哪啊，在这个inside这个模块。大家点开这个inside模块，那这个地方就支持你输入circle，然后点击这个sum，你就可以提交了，因此咱们就可以把咱们这个circle给它复制到这个位置啊，同一个circle我复制到这个K里边，然后呢，我点击这个sum。

你发现这个killing。他只用了2.24秒就把咱们这个事儿，把咱们这个数据查出来了，之所以需要两秒多，是因为你第一次查它还有一个缓冲的过程，就比如说你第二次点submit。它基本上就是0.01秒就能查出来，你再点它会更快，所以说啊，通过这个啊，通过一个相同的参口，咱们能够明显看出来咱们这个麒麟的速度。是压秒级别的，它要比这个have快得多啊，所以说我们用这个K来做咱们这个计息产品框架是相当棒的，尤其是当你这个数据量比较大，然后呢，你这个速度要求又比较快的情况下，你用这个K来做这个计息差距框架是非常棒的，好吧？啊，那咱们这个have，还有这个kidding的这么一个性能对比，我就给大家先讲到这啊。