From 25206674f9eda19417a3c5d5f15dae8adcdb6952 Mon Sep 17 00:00:00 2001 From: link3280 <491325432@qq.com> Date: Sat, 21 Oct 2017 12:53:35 +0800 Subject: [PATCH 1/5] added Chinese version of howto_optimize_build --- website/_docs21/howto/howto_optimize_build.cn.md | 166 +++++++++++++++++++++++ 1 file changed, 166 insertions(+) create mode 100644 website/_docs21/howto/howto_optimize_build.cn.md diff --git a/website/_docs21/howto/howto_optimize_build.cn.md b/website/_docs21/howto/howto_optimize_build.cn.md new file mode 100644 index 0000000000..d454859adf --- /dev/null +++ b/website/_docs21/howto/howto_optimize_build.cn.md @@ -0,0 +1,166 @@ +--- +layout: docs21 +title: 优化cube构建 +categories: 帮助 +permalink: /cn/docs21/howto/howto_optimize_build.html +--- + +Kylin将Cube构建任务分解为几个依次执行的步骤，这些步骤包括Hive操作、MapReduce操作和其他类型的操作。如果你有很多Cube构建任务需要每天运行，那么你肯定想要减少其中消耗的时间。下文按照Cube构建步骤顺序提供了一些优化经验。 + +## 创建Hive的中间平表 + +这一步将数据从源Hive表提取出来(和所有join的表一起)并插入到一个中间平表。如果Cube是分区的，Kylin会加上一个时间条件以确保只有在时间范围内的数据才会被提取。你可以在这个步骤的log查看相关的Hive命令，比如： + +``` +hive -e "USE default; +DROP TABLE IF EXISTS kylin_intermediate_airline_cube_v3610f668a3cdb437e8373c034430f6c34; + +CREATE EXTERNAL TABLE IF NOT EXISTS kylin_intermediate_airline_cube_v3610f668a3cdb437e8373c034430f6c34 +(AIRLINE_FLIGHTDATE date,AIRLINE_YEAR int,AIRLINE_QUARTER int,...,AIRLINE_ARRDELAYMINUTES int) +STORED AS SEQUENCEFILE +LOCATION 'hdfs:///kylin/kylin200instance/kylin-0a8d71e8-df77-495f-b501-03c06f785b6c/kylin_intermediate_airline_cube_v3610f668a3cdb437e8373c034430f6c34'; + +SET dfs.replication=2; +SET hive.exec.compress.output=true; +SET hive.auto.convert.join.noconditionaltask=true; +SET hive.auto.convert.join.noconditionaltask.size=100000000; +SET mapreduce.job.split.metainfo.maxsize=-1; + +INSERT OVERWRITE TABLE kylin_intermediate_airline_cube_v3610f668a3cdb437e8373c034430f6c34 SELECT +AIRLINE.FLIGHTDATE +,AIRLINE.YEAR +,AIRLINE.QUARTER +,... +,AIRLINE.ARRDELAYMINUTES +FROM AIRLINE.AIRLINE as AIRLINE +WHERE (AIRLINE.FLIGHTDATE >= '1987-10-01' AND AIRLINE.FLIGHTDATE < '2017-01-01'); + +``` + +在Hive命令运行时，Kylin会用`conf/kylin_hive_conf.properties`里的配置，比如保留更少的冗余备份和启用Hive的mapper side join。需要的话可以根据集群的具体情况增加其他配置。 + +如果cube的分区列(在这个案例中是"FIGHTDATE")与Hive表的分区列相同，那么根据它过滤数据能让Hive聪明地跳过不匹配的分区。因此强烈建议用Hive的分区列（如果它是日期列）作为cube的分区列。这对于那些数据量很大的表来说几乎是必须的，否则Hive不得不每次在这步扫描全部文件，消耗非常长的时间。 + +如果启用了Hive的文件合并，你可以在`conf/kylin_hive_conf.xml`里关闭它，因为Kylin有自己合并文件的方法(下一节)： + + + hive.merge.mapfiles + false + Disable Hive's auto merge + + +## 重新分发中间表 + +在之前的一步之后，Hive在HDFS上的目录里生成了数据文件：有些是大文件，有些是小文件甚至空文件。这种不平衡的文件分布会导致之后的MR任务出现数据倾斜的问题：有些mapper完成得很快，但其他的就很慢。针对这个问题，Kylin增加了这一个步骤来“重新分发”数据，这是示例输出: + +``` +total input rows = 159869711 +expected input rows per mapper = 1000000 +num reducers for RedistributeFlatHiveTableStep = 160 + +``` + +重新分发表的命令： + +``` +hive -e "USE default; +SET dfs.replication=2; +SET hive.exec.compress.output=true; +SET hive.auto.convert.join.noconditionaltask=true; +SET hive.auto.convert.join.noconditionaltask.size=100000000; +SET mapreduce.job.split.metainfo.maxsize=-1; +set mapreduce.job.reduces=160; +set hive.merge.mapredfiles=false; + +INSERT OVERWRITE TABLE kylin_intermediate_airline_cube_v3610f668a3cdb437e8373c034430f6c34 SELECT * FROM kylin_intermediate_airline_cube_v3610f668a3cdb437e8373c034430f6c34 DISTRIBUTE BY RAND(); +" +``` + +首先，Kylin计算出中间表的行数，然后基于行数的大小算出重新分发数据需要的文件数。默认情况下,Kylin为每一百万行分配一个文件。在这个例子中，有1.6亿行和160个reducer，每个reducer会写一个文件。在接下来对这张表进行的MR步骤里，Hadoop会启动和文件相同数量的mapper来处理数据(通常一百万行数据比一个HDFS数据块要小)。如果你的日常数据量没有这么大或者Hadoop集群有足够的资源，你或许想要更多的并发数，这时可以将`conf/kylin.properties`里的`kylin.job.mapreduce.mapper.input.rows`设为小一点的数值，比如: + +`kylin.job.mapreduce.mapper.input.rows=500000` + +其次，Kylin会运行 *"INSERT OVERWRITE TABLE ... DISTRIBUTE BY "* 形式的HiveQL来分发数据到指定数量的reducer上。 + +在很多情况下，Kylin请求Hive随机分发数据到reducer，然后得到大小相近的文件，分发的语句是"DISTRIBUTE BY RAND()"。 + +如果你的cube指定了一个高基数的列，比如"USER_ID"，作为"分片"维度(在cube的“高级设置”页面)，Kylin会让Hive根据该列的值重新分发数据，那么在该列有着相同值的行将被分发到同一个文件。这比随机要分发要好得多，因为不仅重新分布了数据，并且在没有额外代价的情况下对数据进行了预先分类，如此一来接下来的cube build处理会从中受益。在典型的场景下，这样优化可以减少40%的build时长。在这个案例中分发的语句是"DISTRIBUTE BY USER_ID"： + +请注意: 1)“分片”列应该是高基数的维度列，并且它会出现在很多的cuboid中（不只是出现在少数的cuboid）。 使用它来合理进行分发可以在每个时间范围内的数据均匀分布，否则会造成数据倾斜，从而降低build效率。典型的正面例子是：“USER_ID”、“SELLER_ID”、“PRODUCT”、“CELL_NUMBER”等等，这些列的基数应该大于一千(远大于reducer的数量)。 2)"分片"对cube的存储同样有好处，不过这超出了本文的范围。 + +## 提取事实表的唯一列 + +在这一步骤Kylin运行MR任务来提取使用字典编码的维度列的唯一值。 + +实际上这步另外还做了一些事情：通过HyperLogLog计数器收集cube的统计数据，用于估算每个cuboid的行数。如果你发现mapper运行得很慢，这通常表明cube的设计太过复杂，请参考 +[优化cube设计](howto_optimize_cubes.html)来简化cube。如果reducer出现了内存溢出错误，这表明cuboid组合真的太多了或者是YARN的内存分配满足不了需要。如果这一步从任何意义上讲不能在合理的时间内完成，你可以放弃任务并考虑重新设计cube，因为继续下去会花费更长的时间。 + +你可以通过降低取样的比例（kylin.job.cubing.inmen.sampling.percent）来加速这个步骤，但是帮助可能不大而且影响了cube统计数据的准确性，所有我们并不推荐。 + +## 构建维度字典 + +有了前一步提取的维度列唯一值，Kylin会在内存里构建字典（在下个版本将改为MapReduce任务）。通常这一步比较快，但如果唯一值集合很大，Kylin可能会报出类似“字典不支持过高基数”。对于UHC类型的列，请使用其他编码方式，比如“fixed_length”、“integer”等等。 + +## 保存cuboid的统计数据和创建 HTable + +这两步是轻量级和快速的。 + +## 构建基础cuboid + +这一步用Hive的中间表构建基础的cuboid，是“逐层”构建cube算法的第一轮MR计算。Mapper的数目与第二步的reducer数目相等；Reducer的数目是根据cube统计数据估算的：默认情况下每500MB输出使用一个reducer；如果观察到reducer的数量较少，你可以将kylin.properties里的“kylin.job.mapreduce.default.reduce.input.mb”设为小一点的数值以获得过多的资源，比如: + +`kylin.job.mapreduce.default.reduce.input.mb=200` + +## Build N-Dimension Cuboid +## 构建N维cuboid + +这些步骤是“逐层”构建cube的过程，每一步以前一步的输出作为输入，然后去掉一个维度以聚合得到一个子cuboid。举个例子，cuboid ABCD去掉A得到BCD，去掉B得到ACD。 + +有些cuboid可以从一个以上的父cuboid聚合得到，这种情况下，Kylin会选择最小的一个父cuboid。举例,AB可以从ABC(id:1110)和ABD(id:1101)生成，则ABD会被选中，因为它的比ABC要小。在这基础上，如果D的基数较小，聚合运算的成本就会比较低。所以，当设计rowkey序列的时候，请记得将基数较小的维度放在末尾。这样不仅有利于cube构建，而且有助于cube查询，因为预聚合也遵循相同的规则。 + +通常来说，从N维到(N/2)维的构建比较慢，因为这是cuboid数量爆炸性增长的阶段：N维有1个cuboid，(N-1)维有N个cuboid，(N-2)维有N*(N-1)个cuboid，以此类推。经过(N/2)维构建的步骤，整个构建任务会逐渐变快。 + +## 构建cube + +这个步骤使用一个新的算法来构建cube：“逐片”构建（也称为“内存”构建）。它会使用一轮MR来计算所有的cuboids，但是比通常情况下更耗内存。配置文件"conf/kylin_job_inmem.xml"正是为这步而设。默认情况下它为每个mapper申请3GB内存。如果你的集群有充足的内存，你可以在上述配置文件中分配更多内存给mapper，这样它会用尽可能多的内存来缓存数据以获得更好的性能，比如： + + + mapreduce.map.memory.mb + 6144 + + + + + mapreduce.map.java.opts + -Xmx5632m + + + + +请注意，Kylin会根据数据分布（从cube的统计数据里获得）自动选择最优的算法，没有被选中的算法对应的步骤会被跳过。你不需要显式地选择构建算法。 + +## 将cuboid数据转换为HFile + +这一步启动一个MR任务来讲cuboid文件（序列文件格式）转换为HBase的HFile格式。Kylin通过cube统计数据计算HBase的region数目，默认情况下每5GB数据对应一个region。Region越多，MR使用的reducer也会越多。如果你观察到reducer数目较小且性能较差，你可以将“conf/kylin.properties”里的以下参数设小一点，比如： + +``` +kylin.hbase.region.cut=2 +kylin.hbase.hfile.size.gb=1 +``` + +如果你不确定一个region应该是多大时，联系你的HBase管理员。 + +## 将HFile导入HBase表 + +这一步使用HBase API来讲HFile导入region server，这是轻量级并快速的一步。 + +## 更新cube信息 + +在导入数据到HBase后，Kylin在元数据中将对应的cube segment标记为ready。 + +## 清理资源 + +将中间宽表从Hive删除。这一步不会阻塞任何操作，因为在前一步segment已经被标记为ready。如果这一步发生错误，不用担心，垃圾回收工作可以晚些再通过Kylin的[StorageCleanupJob](howto_cleanup_storage.html)完成。 + +## 总结 +还有非常多其他提高Kylin性能的方法，如果你有经验可以分享，欢迎通过[dev@kylin.apache.org](mailto:dev@kylin.apache.org)讨论。 \ No newline at end of file From e773c00b030c29a79419403a86430715f1be57c3 Mon Sep 17 00:00:00 2001 From: link3280 <491325432@qq.com> Date: Sat, 21 Oct 2017 19:49:38 +0800 Subject: [PATCH 2/5] added Chinese version of howto_backup_metadata --- website/_docs21/howto/howto_backup_metadata.cn.md | 59 +++++++++++++++++++++++ 1 file changed, 59 insertions(+) create mode 100644 website/_docs21/howto/howto_backup_metadata.cn.md diff --git a/website/_docs21/howto/howto_backup_metadata.cn.md b/website/_docs21/howto/howto_backup_metadata.cn.md new file mode 100644 index 0000000000..86aa997c6e --- /dev/null +++ b/website/_docs21/howto/howto_backup_metadata.cn.md @@ -0,0 +1,59 @@ +--- +layout: docs21 +title: 备份元数据 +categories: howto +permalink: /cn/docs21/howto/howto_backup_metadata.html +--- + +Kylin将它全部的元数据（包括cube描述和实例、项目、倒排索引描述和实例、任务、表和字典）组织成层级文件系统的形式。然而，Kylin使用hbase来存储元数据，而不是一个普通的文件系统。如果你查看过Kylin的配置文件（kylin.properties），你会发现这样一行： + +{% highlight Groff markup %} +## The metadata store in hbase +kylin.metadata.url=kylin_metadata@hbase +{% endhighlight %} + +这表明元数据会被保存在一个叫作“kylin_metadata”的htable里。你可以在hbase shell里scan该htbale来获取它。 + +## 使用二进制包来备份Metadata Store + +有时你需要将Kylin的Metadata Store从hbase备份到磁盘文件系统。在这种情况下，假设你在部署Kylin的hadoop命令行（或沙盒）里，你可以到KYLIN_HOME并运行： + +{% highlight Groff markup %} +./bin/metastore.sh backup +{% endhighlight %} + +来将你的元数据导出到本地目录，这个目录在KYLIN_HOME/metadata_backps下，它的命名规则使用了当前时间作为参数：KYLIN_HOME/meta_backups/meta_year_month_day_hour_minute_second 。 + +## 使用二进制包来恢复Metatdara Store + +万一你发现你的元数据被搞得一团糟，想要恢复先前的备份： + +首先，重置Metatdara Store（这个会清理Kylin在hbase的Metadata Store的所有信息，请确保先备份）： + +{% highlight Groff markup %} +./bin/metastore.sh reset +{% endhighlight %} + +然后上传备份的元数据到Kylin的Metadata Store： +{% highlight Groff markup %} +./bin/metastore.sh restore $KYLIN_HOME/meta_backups/meta_xxxx_xx_xx_xx_xx_xx +{% endhighlight %} + +## 在开发环境备份/恢复元数据（0.7.3版本以上可用） + +在开发调试Kylin时，典型的环境是一台装有IDE的开发机上和一个后台的沙盒，通常你会写代码并在开发机上运行测试案例，但每次都需要将二进制包放到沙盒里以检查元数据是很麻烦的。这时有一个名为SandboxMetastoreCLI工具类可以帮助你在开发机本地下载/上传元数据。 + +## 从Metadata Store清理无用的资源（0.7.3版本以上可用） +随着运行时间增长，类似字典、表快照的资源变得没有用（cube segment被丢弃或者合并了），但是它们依旧占用空间，你可以运行命令来找到并清除它们： + +首先，运行一个检查，这是安全的因为它不会改变任何东西： +{% highlight Groff markup %} +./bin/metastore.sh clean +{% endhighlight %} + +将要被删除的资源会被列出来： + +接下来，增加“--delete true”参数来清理这些资源；在这之前，你应该确保已经备份metadata store： +{% highlight Groff markup %} +./bin/metastore.sh clean --delete true +{% endhighlight %} From 087fb355b74f34cd9cc345ad4c3d76df11fd3c97 Mon Sep 17 00:00:00 2001 From: link3280 <491325432@qq.com> Date: Sat, 21 Oct 2017 19:56:15 +0800 Subject: [PATCH 3/5] added Chinese version of howto_build_cube_with_restapi --- .../howto/howto_build_cube_with_restapi.cn.md | 54 ++++++++++++++++++++++ 1 file changed, 54 insertions(+) create mode 100644 website/_docs21/howto/howto_build_cube_with_restapi.cn.md diff --git a/website/_docs21/howto/howto_build_cube_with_restapi.cn.md b/website/_docs21/howto/howto_build_cube_with_restapi.cn.md new file mode 100644 index 0000000000..5bd8348237 --- /dev/null +++ b/website/_docs21/howto/howto_build_cube_with_restapi.cn.md @@ -0,0 +1,54 @@ +--- +layout: docs21 +title: 用API构建cube +categories: 帮助 +permalink: /cn/docs21/howto/howto_build_cube_with_restapi.html +--- + +### 1. 认证 +* 目前Kylin使用[basic authentication](http://en.wikipedia.org/wiki/Basic_access_authentication)。 +* 给第一个请求加上用于认证的 Authorization 头部。 +* 或者进行一个特定的请求: POST http://localhost:7070/kylin/api/user/authentication 。 +* 完成认证后, 客户端可以在接下来的请求里带上cookie。 +{% highlight Groff markup %} +POST http://localhost:7070/kylin/api/user/authentication + +Authorization:Basic xxxxJD124xxxGFxxxSDF +Content-Type: application/json;charset=UTF-8 +{% endhighlight %} + +### 2. 获取Cube的详细信息 +* `GET http://localhost:7070/kylin/api/cubes?cubeName={cube_name}&limit=15&offset=0` +* 用户可以在返回的cube详细信息里找到cube的segment日期范围。 +{% highlight Groff markup %} +GET http://localhost:7070/kylin/api/cubes?cubeName=test_kylin_cube_with_slr&limit=15&offset=0 + +Authorization:Basic xxxxJD124xxxGFxxxSDF +Content-Type: application/json;charset=UTF-8 +{% endhighlight %} + +### 3. 然后提交cube构建任务 +* `PUT http://localhost:7070/kylin/api/cubes/{cube_name}/rebuild` +* 关于 put 的请求体细节请参考 Build Cube API + * `startTime` 和 `endTime` 应该是utc时间。 + * `buildType` 可以是 `BUILD` 、 `MERGE` 或 `REFRESH`。 `BUILD` 用于构建一个新的segment， `REFRESH` 用于刷新一个已有的segment， `MERGE` 用于合并多个已有的segment生成一个较大的segment。 +* 这个方法会返回一个新建的任务实例，它的uuid是任务的唯一id，用于追踪任务状态。 +{% highlight Groff markup %} +PUT http://localhost:7070/kylin/api/cubes/test_kylin_cube_with_slr/rebuild + +Authorization:Basic xxxxJD124xxxGFxxxSDF +Content-Type: application/json;charset=UTF-8 + +{ + "startTime": 0, + "endTime": 1388563200000, + "buildType": "BUILD" +} +{% endhighlight %} + +### 4. 跟踪任务状态 +* `GET http://localhost:7070/kylin/api/jobs/{job_uuid}` +* 返回的 `job_status` 代表job的当前状态。 + +### 5. 如果构建任务出现错误，可以重新开始它 +* `PUT http://localhost:7070/kylin/api/jobs/{job_uuid}/resume` From 7f2c690267b5a2b8c459e3ad07691c280ffd4e8c Mon Sep 17 00:00:00 2001 From: link3280 <491325432@qq.com> Date: Sun, 22 Oct 2017 14:08:21 +0800 Subject: [PATCH 4/5] added Chinese version of howto_cleanup_storage --- website/_docs21/howto/howto_cleanup_storage.cn.md | 21 +++++++++++++++++++++ 1 file changed, 21 insertions(+) create mode 100644 website/_docs21/howto/howto_cleanup_storage.cn.md diff --git a/website/_docs21/howto/howto_cleanup_storage.cn.md b/website/_docs21/howto/howto_cleanup_storage.cn.md new file mode 100644 index 0000000000..13e27e986d --- /dev/null +++ b/website/_docs21/howto/howto_cleanup_storage.cn.md @@ -0,0 +1,21 @@ +--- +layout: docs21 +title: 清理存储 +categories: howto +permalink: /cn/docs21/howto/howto_cleanup_storage.html +--- + +Kylin在构建cube期间会在HDFS上生成中间文件；除此之外，当清理/删除/合并cube时，一些HBase表可能被遗留在HBase却以后再也不会被查询；虽然Kylin已经开始做自动化的垃圾回收，但不一定能覆盖到所有的情况；你可以定期做离线的存储清理： + +步骤： +1. 检查哪些资源可以清理，这一步不会删除任何东西： +{% highlight Groff markup %} +export KYLIN_HOME=/path/to/kylin_home +${KYLIN_HOME}/bin/kylin.sh org.apache.kylin.tool.StorageCleanupJob --delete false +{% endhighlight %} +请将这里的 (version) 替换为你安装的Kylin jar版本。 +2. 你可以抽查一两个资源来检查它们是否已经没有被引用了；然后加上“--delete true”选项进行清理。 +{% highlight Groff markup %} +${KYLIN_HOME}/bin/kylin.sh org.apache.kylin.tool.StorageCleanupJob --delete true +{% endhighlight %} +完成后，中间HDFS上的中间文件和HTable会被移除。 From 38477271eed350d9576f484b414ddf2576d54d06 Mon Sep 17 00:00:00 2001 From: link3280 <491325432@qq.com> Date: Sun, 22 Oct 2017 14:09:35 +0800 Subject: [PATCH 5/5] added Chinese version of howto_jdbc --- website/_docs21/howto/howto_jdbc.cn.md | 92 ++++++++++++++++++++++++++++++++++ 1 file changed, 92 insertions(+) create mode 100644 website/_docs21/howto/howto_jdbc.cn.md diff --git a/website/_docs21/howto/howto_jdbc.cn.md b/website/_docs21/howto/howto_jdbc.cn.md new file mode 100644 index 0000000000..bd137beb33 --- /dev/null +++ b/website/_docs21/howto/howto_jdbc.cn.md @@ -0,0 +1,92 @@ +--- +layout: docs21 +title: Kylin JDBC Driver +categories: 帮助 +permalink: /cn/docs21/howto/howto_jdbc.html +--- + +### 认证 + +###### 基于Apache Kylin认证RESTFUL服务。支持的参数： +* user : 用户名 +* password : 密码 +* ssl: true或false。 默认为flas；如果为true，所有的服务调用都会使用https。 + +### 连接url格式： +{% highlight Groff markup %} +jdbc:kylin://:/ +{% endhighlight %} +* 如果“ssl”为true，“port”应该是Kylin server的HTTPS端口。 +* 如果“port”未被指定，driver会使用默认的端口：HTTP 80，HTTPS 443。 +* 必须指定“kylin_project_name”并且用户需要确保它在Kylin server上存在。 + +### 1. 使用Statement查询 +{% highlight Groff markup %} +Driver driver = (Driver) Class.forName("org.apache.kylin.jdbc.Driver").newInstance(); + +Properties info = new Properties(); +info.put("user", "ADMIN"); +info.put("password", "KYLIN"); +Connection conn = driver.connect("jdbc:kylin://localhost:7070/kylin_project_name", info); +Statement state = conn.createStatement(); +ResultSet resultSet = state.executeQuery("select * from test_table"); + +while (resultSet.next()) { + assertEquals("foo", resultSet.getString(1)); + assertEquals("bar", resultSet.getString(2)); + assertEquals("tool", resultSet.getString(3)); +} +{% endhighlight %} + +### 2. 使用PreparedStatementv查询 + +###### 支持的PreparedStatement参数： +* setString +* setInt +* setShort +* setLong +* setFloat +* setDouble +* setBoolean +* setByte +* setDate +* setTime +* setTimestamp + +{% highlight Groff markup %} +Driver driver = (Driver) Class.forName("org.apache.kylin.jdbc.Driver").newInstance(); +Properties info = new Properties(); +info.put("user", "ADMIN"); +info.put("password", "KYLIN"); +Connection conn = driver.connect("jdbc:kylin://localhost:7070/kylin_project_name", info); +PreparedStatement state = conn.prepareStatement("select * from test_table where id=?"); +state.setInt(1, 10); +ResultSet resultSet = state.executeQuery(); + +while (resultSet.next()) { + assertEquals("foo", resultSet.getString(1)); + assertEquals("bar", resultSet.getString(2)); + assertEquals("tool", resultSet.getString(3)); +} +{% endhighlight %} + +### 3. 获取查询结果元数据 +Kylin jdbc driver支持元数据列表方法： +通过sql模式过滤器（比如 %）列出catalog、schema、table和column。 + +{% highlight Groff markup %} +Driver driver = (Driver) Class.forName("org.apache.kylin.jdbc.Driver").newInstance(); +Properties info = new Properties(); +info.put("user", "ADMIN"); +info.put("password", "KYLIN"); +Connection conn = driver.connect("jdbc:kylin://localhost:7070/kylin_project_name", info); +Statement state = conn.createStatement(); +ResultSet resultSet = state.executeQuery("select * from test_table"); + +ResultSet tables = conn.getMetaData().getTables(null, null, "dummy", null); +while (tables.next()) { + for (int i = 0; i < 10; i++) { + assertEquals("dummy", tables.getString(i + 1)); + } +} +{% endhighlight %}