请说明 Apache Kylin 与 Hadoop 生态的集成方式，并阐述 Kylin 在数据存储层面是如何借助 HDFS 的。
考察说明
考查对 Apache Kylin 与 Hadoop 集成机制以及其底层 HDFS 存储细节的理解。
回答思路
- 【回答框架 1】Apache Kylin 是构建在 Hadoop 之上的分布式 OLAP 引擎，其核心是利用 Hadoop 生态的组件完成数据的预计算和存储。Kylin 将 Hive 作为数据源，通过 MapReduce 或 Spark 作业读取 Hive 中的事实表和维度表，执行 Cube 的构建。
- 【回答框架 2】在 Cube 构建过程中，Kylin 会将构建任务提交给 Hadoop 集群，由 YARN 负责资源调度，MapReduce 或 Spark 执行具体的计算。构建生成的 Cube 数据（即 HBase 的批量加载文件）会以 HFile 格式写入 HDFS 的临时目录，然后通过 HBase 的 bulk load 方式导入到 HBase 表中。
- 【回答框架 3】Kylin 利用 HDFS 进行数据存储主要体现在两个层面：一是 Hive 数据源本身存储在 HDFS 上，Kylin 读取的数据来自 HDFS；二是构建过程中生成的中间结果和最终 HFile 文件都会暂存或直接存储于 HDFS 上，HBase 的底层存储（HFile）也是基于 HDFS 的分布式文件系统实现的。
- 【回答框架 4】HDFS 为 Kylin 提供了高容错、高吞吐的数据存储基础。Kylin 在 HDFS 上会存放 Cube 的元数据（如 Cube 描述、字典等）以及构建产生的临时文件。最终查询时，Kylin 通过 HBase 访问 HDFS 上的 HFile 数据，从而完成快速的预计算结果读取。
- 【回答框架 5】总结来说，Kylin 通过 Hive 集成 Hadoop 的数据源，借助 MapReduce/Spark 和 YARN 执行构建任务，并利用 HBase 作为查询引擎，而 HBase 底层的数据文件最终存储在 HDFS 上，实现了数据的高可靠和持久化。
- 【关键点 1】Kylin 以 Hive 作为数据源，通过 MapReduce 或 Spark 构建 Cube。
- 【关键点 2】构建生成的 HFile 通过 bulk load 导入 HBase，HBase 底层存储基于 HDFS。
- 【关键点 3】HDFS 承担 Kylin 数据源、中间结果及最终 Cube 数据的持久化存储。
- 【易错点 1】不应混淆 Kylin 直接读取 HDFS 文件与通过 Hive/HBase 间接访问的差异。
- 【易错点 2】不要误以为 Kylin 将 Cube 直接以文件形式存储在 HDFS 上，实际是通过 HBase 表访问。