bigdata意味着大量的数据。你可以借助bigdata hadoop处理任何类型的数据。但是olap通常处理较小的数据。利用hive和hbase对hadoop数据集进行olap访问。

如果您熟悉apachespark，这也是一个好的开始。在activeviam，我们使用spark进行大数据处理，还需要对相同的数据进行交互式olap查询。所以我们做了一个名为sparkube的扩展，它将spark数据集公开为多维立方体。
一旦您的数据集以这种方式公开，您就可以直接在spark上访问所有olap mdx函数，而无需移动数据，无需部署软件，无需配置，直接从excel或tableau访问。
例如，下面是如何将csv文件的内容装载到内存中，并将其作为多维多维多维数据集公开：

// Load a file into a Spark dataset.
// Here we load a CSV file, get the column names from
// the CSV headers, and use Spark automatic type inference.
var ds = spark.read
  .format("csv")
  .option("header","true")
  .option("inferSchema","true")
  .load("path/to/file.csv")

// Import the sparkube library (the sparkube jar must be in the classpath)
import com.activeviam.sparkube._

// Expose the dataset as a multidimensional cube.
// You can start visualizing the cube right away at http://localhost:9090/ui
// or connect from Excel with the XMLA protocol at http://localhost:9090/xmla
new Sparkube().fromDataset(ds)
  .withName("My first cube")
  .expose()

apachekylin是合适的工具，因为您正在寻找多维分析。它提供了连接和聚合的预计算，因此sql/mdx查询可以在几秒钟内返回。
要使用apachekylin，您需要扮演两个角色：管理员和分析师。作为管理员，您需要准备一个hadoop集群并在其上部署kylin。这需要了解hadoop和linux shell。集群的大小和硬件取决于您的数据量。
一旦安装，作为分析师，您可以在kylin中构建模型、多维数据集和运行sql。这需要有关关系模型、olap和sql的知识。无需编程。kylin支持odbc/jdbc接口，您可以连接熟悉的bi工具来可视化kylin中的数据。
通常第一次用户会在hadoop沙盒中尝试apachekylin。这就屏蔽了许多hadoop的复杂性并节省了时间。