数据仓库的定义？
首先，用于支持决策，面向分析型数据处理；其次，对多个异构的数据源有效集成，集成后按照主题进行重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。
数据仓库(Data Warehouse)是一个面向主题的(subject oriented)、集成的(integrated)、相对稳定的(non-volatile)、反应历史变化(time variant)的数据集合，用于支持管理决策(decision making support)。
数据仓库和数据库的区别？
从目标、用途、设计来说
数据库是面向事物处理的，数据是由日常的业务产生的，常更新；数据仓库是面向主题的，数据来源多样，经过一定的规则转换得到，用来分析。数据库一般用来存储当前事务性数据，如交易数据；数据仓库一般存储的历史数据。数据库的设计一般是符合三范式的，有最大的精确度和最小的冗余度，有利于数据的插入；数据仓库的设计一般不符合三范式，有利于查询如何构建数据仓库？
数仓模型的选择是灵活的，不局限于某种模型方法。
数仓数据是灵活的，以实际需求场景为导向。
数仓设计要兼顾灵活性、可扩展性，要考虑技术可靠性和实现成本。
系统分析，确定主题。通过与业务部门的交流，了解建立数仓要解决的问题，确认各个主题下的查询分析要求选择满足数据仓库系统要求的软件平台。选择合适的软件平台，包括数据库、建模工具、分析工具等建立数据仓库的逻辑模型。确定建立数据仓库逻辑模型的基本方法，基于主题视图，把主题视图中的数据定义转到逻辑数据模型中逻辑数据模型转换为数据仓库数据模型数据仓库数据模型优化。随着需求和数据量的变化进行调整数据清洗转换和传输。业务系统中的数据加载到数据仓库之前，必须进行数据的清洗和转换，保证数据仓库中数据的一致性。开发数据仓库的分析应用。满足业务部门对数据进行分析的需求。数据仓库的管理。包括数据库管理和元数据管理。什么是数据中台？
数据中台是指通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一标准和口径。数据中台吧数据统一之后，会形成标准数据，再进行存储，形成大数据资产层，进而为客户提供高效服务。
这些服务和企业的业务有较强的关联性，是企业所独有且能复用的，它是企业业务和数据的积淀，其不仅能降低重复建设，减少烟囱式协作的成本，也是差异化竞争的优势所在。
数据中台通过整合公司开发工具、打通全域数据、让数据持续为业务赋能，实现数据平台化、数据服务化和数据价值化。数据中台更加侧重于“复用”与“业务”。
数据中台、数据仓库、大数据平台的关键区别是什么？
基础能力上的区别
数据平台：提供的是计算和存储能力
数据仓库：利用数据平台提供的计算和存储能力，在一套方法论指导下建设的一整套的数据表
数据中台：包含了数据平台和数据仓库的所有内容，将其打包，并且以更加整合以及更加产品化的方式对外提供服务和价值。
业务能力上的区别
数据平台：为业务提供数据主要方式是提供数据集
数据仓库：相对具体的功能概念是存储和管理一个或多个主题数据的集合，为业务提供服务的方式主要是分析报表
数据中台：企业级的逻辑概念，提现企业数据产生价值的能力，为业务提供服务的主要方式是数据API
总的来说，数据中台距离业务更近，数据复用能力更强，能为业务提供速度更快的服务。数据中台是在数据仓库和数据平台的基础上，将数据生产为一个个数据API服务，以更高效的方式提供给业务。数据中台可以建立在数据仓库和数据平台之上，是加速企业从数据到业务价值的过程的中间层。
大数据的一些相关系统？
数仓设计中心：按照主题域、业务过程，分层的设计方式，以维度建模作为基本理论依据，按照维度、度量设计模型，确保模型、字段有统一的命名规范
数据资产中心：梳理数据资产，基于数据血缘，数据的访问热度，做成本的治理
数据质量中心：通过丰富的稽查监控系统，对数据进行事后校验，确保问题数据第一时间被发现，避免下游的无效计算，分析数据的影响范围。
指标系统：管理指标的业务口径、计算逻辑和数据来源，通过流程化的方式，建立从指标需求、指标开发、指标发布的全套协作流程。
数据地图：提供元数据的快速索引，数据字典、数据血缘、数据特征信息的查询，相当于元数据中心的门户。
如何建设数据中台？
数据中台在企业落地实践时，结合技术、产品、数据、服务、运营等方面，逐步开展相关工作。
理现状。了解业务现状、数据现状、IT现状、现有的组织架构定架构。确认业务架构、技术架构、应用架构、组织架构建资产。建立贴近数据层、统一数仓层、标签数据层、应用数据层用数据。对数据进行输出、应用。数据运营。持续运营、持续迭代。中台建设需要有全员共识，由管理层从上往下推进，由技术和业务人员去执行和落地是一个漫长的过程，在实施数据中台时，最困难的地方就是需要有人推动。
数据湖的理解？
数据湖是一个存储企业的各种各样原始数据的大型仓库，其中的数据可供存取、处理、分析及传输。
数仓最重要的是什么？
个人认为是数据集成。
企业的数据通常是存储在多个异构数据库中的，要进行分析，必须先要对数据进行一致性整合。
集成整合后才可以对数据进行分析、挖掘数据潜在的价值。
概念数据模型、逻辑数据模型、物理数据模型
概念数据模型设计与逻辑数据模型设计、物理数据模型设计是数据库及数据仓库模型设计的三个主要步骤。
概念数据模型CDM
概念数据模型是最终用户对数据存储的看法，反映了最终用户综合性的信息需求，以数据类的方式描述企业级的数据需求。
概念数据模型的内容包括重要的实体与实体之间的关系。在概念数据模型中不包含实体的属性，也不包含定义实体的主键
概念数据模型的目标是统一业务概念，作为业务人员和技术人员之间沟通的桥梁，确定不同实体之间的最高层次的关系
逻辑数据模型LDM
逻辑数据模型反应的是系统分析设计人员对数据存储的观点，是对概念数据模型的进一步的分解和细化。逻辑数据模型是根据业务规则确定的，关于业务对象、业务对象的数据项以及业务对象之间关系的基本蓝图。
逻辑数据模型的内容包括所有的实体和关系，确定每个实体的属性，定义每个实体的主键，指定实体的外键，需要进行范式化处理。
逻辑数据模型的目标是尽可能详细的描述数据，但并不考虑在物理上如何实现。
物理数据模型PDM
物理数据模型是在逻辑数据模型的基础上，考虑各种具体的技术实现因素，进行数据库体系结构设计，真正实现数据在数据库中的存放。
物理数据模型的内容包括确定所有的表和列，定义外键用于确认表之间的关系，基于用户的需求可能要进行反范式化等内容。
SCD的常用处理方式？
slowly changing dimensions缓慢变化维度
不记录历史变化信息添加列来记录历史变化新插入数据行，并添加对应标识字段来记录历史数据。拉链表。元数据的理解？
狭义来讲就是用来描述数据的数据
广义来看，除了业务逻辑直接读写处理的业务数据，所有其他用来维护整个系统运转所需要的数据，都可以较为元数据。
定义：元数据metadata是关于数据的数据。在数仓系统中，元数据可以帮助数据仓库管理员和数据仓库开发人员方便的找到他们所关心的数据；元数据是描述数据仓库内部数据的结构和建立方法的数据。按照用途可分为：技术元数据、业务元数据。
技术元数据
存储关于数据仓库技术细节的数据，用于开发和管理数据仓库使用的数据
数据仓库结构的描述，包括数据模式、视图、维、层次结构和导出数据的定义，以及数据集市的位置和内容业务系统、数据仓库和数据集市的体系结构和模式由操作环境到数据仓库环境的映射，包括元数据和他们的内容、数据提取、转换规则和数据刷新规则、权限等。业务元数据
从业务角度描述了数据仓库中的数据，他提供了介于使用者和实际系统之间的语义层，使不懂计算机技术的业务人员也能读懂数仓中的数据。
企业概念模型：表示企业数据模型的高层信息。整个企业业务概念和相互关系。以这个企业模型为基础，不懂sql的人也能做到心中有数多维数据模型。告诉业务分析人员在数据集市中有哪些维、维的类别、数据立方体以及数据集市中的聚合规则。业务概念模型和物理数据之间的依赖。业务视图和实际数仓的表、字段、维的对应关系也应该在元数据知识库中有所体现。元数据管理系统？
元数据管理往往容易被忽视，但是元数据管理是不可或缺的。一方面元数据为数据需求方提供了完整的数仓使用文档，帮助他们能自主快速的获取数据；另一方面数仓团队可以从日常的数据解释中解脱出来，无论是对后期的迭代更新还是维护，都有很大的好处。元数据管理可以让数据仓库的应用和维护更加的高效。
元数据管理功能
数据地图：以拓扑图的形式对数据系统的各类数据实体、数据处理过程元数据进行分层次的图形化展示，并通过不同层次的图形展现。元数据分析：血缘分析、影响分析、实体关联分析、实体差异分析、指标一致性分析。辅助应用优化：结合元数据分析功能，可以对数据系统的应用进行优化。辅助安全管理：采用合理的安全管理机制来保障系统的数据安全；对数据系统的数据访问和功能使用进行有效监控。基于元数据的开发管理：通过元数据管理系统规范日常开发的工作流程元数据管理标准
对于相对简单的环境，按照通用的元数据管理标准建立一个集中式的元数据知识库
对于比较复杂的环境，分别建立各部分的元数据管理系统，形成分布式元数据知识库，然后通过建立标准的元数据交换格式，实现元数据的集成管理。
数仓如何确定主题域？
主题
主题是在较高层次上将数据进行综合、归类和分析利用的一个抽象概念，每一个主题基本对应一个宏观的分析领域。在逻辑意义上，它是对企业中某一宏观分析领域所涉及的分析对象。
面向主题的数据组织方式，就是在较高层次上对分析对象数据的一个完整并且一致的描述，能刻画各个分析对象所涉及的企业各项数据，以及数据之间的联系。
主题是根据分析的要求来确定的。
主题域
从数据角度看（集合论）
主题语通常是联系较为紧密的数据主题的集合。可以根据业务的关注点，将这些数据主题划分到不同的主题域。主题域的确定由最终用户和数仓设计人员共同完成。
从需要建设的数仓主题看（边界论）
主题域是对某个主题进行分析后确定的主题的边界。
数仓建设过程中，需要对主题进行分析，确定主题所涉及到的表、字段、维度等界限。
确定主题内容
数仓主题定义好以后，数仓中的逻辑模型也就基本成形了，需要在主题的逻辑关系中列出属性和系统相关行为。此阶段需要定义好数据仓库的存储结构，向主题模型中添加所需要的信息和能充分代表主题的属性组。
如何控制数据质量？
校验机制，每天进行数据量的比对 select count()，早发现，早修复
数据内容的比对，抽样比对
复盘、每月做一次全量
如何做数据治理？
数据治理不仅需要完善的保障机制，还需要理解具体的治理内容，比如数据应该怎么进行规范，元数据该怎么来管理，每个过程需要那些系统或者工具来配合？
数据治理领域包括但不限于以下内容：数据标准、元数据、数据模型、数据分布、数据存储、数据交换、数据声明周期管理、数据质量、数据安全以及数据共享服务。
模型设计的思路？业务驱动？数据驱动？
构建数据仓库有两种方式：自上而下、自下而上
Bill Inmon推崇自上而下的方式，一个企业建立唯一的数据中心，数据是经过整合、清洗、去掉脏数据、标准的、能够提供统一的视图。要从整个企业的环境入手，建立数据仓库，要做很全面的设计。偏数据驱动
Ralph Kimball推崇自下而上的方式，认为数据仓库应该按照实际的应用需求，架子啊需要的数据，不需要的数据不要加载到数据仓库中。这种方式建设周期短，用户能很快看到结果。偏业务驱动
数据质量管理
数据质量管理是对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段里可能引发的数据质量问题，进行识别、度量、监控、预警等，通过改善了提高组织的管理水平使数据质量进一步提高。
数据质量管理是一个集方法论、技术、业务和管理为一体的解决方案。放过有效的数据质量控制手段，进行数据的管理和控制，消除数据质量问题，从而提高企业数据变现的能力。
会遇到的数据质量问题：数据真实性、数据准确性、数据一致性、数据完整性、数据唯一性、数据关联性、数据及时性
什么是数据模型？
数据模型就是数据组织和存储的方法，通过抽象的实体以及实体间联系的形式来表达现实世界中事务的相互关系的一种映射，他强调从业务、数据存取和使用角度合理的存储数据。
为什么需要数据仓库建模？
数仓建模需要按照一定的数据模型，对整个企业的数据进行采集，整理，提供跨部门、完全一致的报表数据。
合适的数据模型，对于大数据处理来讲，可以获得得更好的性能、成本、效率和质量。良好的模型可以帮助我们快速查询数据，减少不必要的数据冗余，提高用户的使用效率。
数据建模进行全方面的业务梳理，改进业务流程，消灭信息孤岛，更好的推进数仓系统的建设。
OLAP和OLTP的模型方法的选择？
OLTP系统是操作事物型系统，主要数据操作是随机读写，主要采用满足3NF的实体关系模型存储数据，在事物处理中解决数据的冗余和一致性问题。
OLAP系统是分析型系统，主要数据操作是批量读写，不需要关注事务处理的一致性，主要关注数据的整合，以及复杂大数据量的查询和处理的性能。
3范式
每个属性值唯一，不具有多义性
每个非主属性必须完全依赖于整个主键，而非主键的一部分
每个非主属性不能依赖于其他关系中的属性
数据仓库建模方法？
有四种模型：ER模型、维度模型、Data Vault模型、Anchor模型。用的较多的是维度模型和ER模型。
ER模型
ER模型用实体关系模型描述企业业务，在范式理论上满足3NF。数仓中的3NF是站在企业角度面向主题的抽象，而不是针对某个具体业务流程的实体对象关系的抽象。
采用ER模型建设数据仓库模型的出发点是整合数据，将各个系统中的数据按照主题进行相似性整合，并进行一致性处理。
ER模型特点：
需要全方位了解企业业务数据
实施周期较长
对建模人员要求教高
维度建模
维度建模按照事实表和维度表来构建数仓。
维度建模从分析决策的需求出发构建模型，为分析需求服务。重点关注用户如何快速的完成数据分析，可以直观的反应业务模型中的业务问题，需要大量的数据预处理、数据冗余，有较好的大规模复杂查询的响应性能。
事实表
发生在现实世界中的操作性事件，其产生的可度量数值，存储在事实表中。从最细粒度级别来看，事实表的一行对应一个度量事件。事实表表示对分析主题的度量。
事实表中包含了与各个维度表相关联的外键，可与维度表关联。事实表的度量通常是数值类型，且记录数不断增加，表数据量迅速增长。
维度表
维度表示分析数据时所用的环境。
每个维度表都包含单独的主键列。维度表行的描述环境应该与事实表行完全对应。维度表通常比较宽，是扁平型的非规范表，包含大量的低粒度的文本属性。
注意：
事实表的设计是以能够正确记录历史信息为准则
维度表的设计是以能够以合适的角度来聚合主题内容为准则
维度建模的三种模式
星形模型：以事实表为中心，所有的维度直接连接在事实表上。由一个事实表和一组维度表组成。
雪花模型：是对星形模型的扩展。雪花模型的维度表可以拥有更细的维度，比星形更规范一点。维护成本较高，且查询是要关联多层维表，性能较低
星座模型：基于多张事实表，多张事实表共享维度信息
维度建模步骤：
选择业务过程
选择粒度
选定事实表
选择维度
事实表的类型？
事实表有：事务事实表、周期快照事实表、累积快照事实表、非事实事实表
事务事实表
事务事实表记录的是事务层面的事实，保存的是最原子的数据，也称“原子事实表”。事务事实表中的数据在事务事件发生后产生，数据的粒度通常是每个事务记录一条记录。
周期快照事实表
以具有规律性的、可预见的时间间隔来记录事实。它统计的是间隔周期内的度量统计，每个时间段一条记录，是在事务事实表之上建立的聚集表。
累积快照事实表
累积快照表记录的不确定的周期的数据。代表的是完全覆盖一个事务或产品的生命周期的时间跨度，通常具有多个日期字段，用来记录整个生命周期中的关键时间点。
非事实型事实表
在维度建模的数据仓库中，有一种事实表叫Factless Fact Table，中文一般翻译为“非事实型事实表”。在事实表中，通常会保存十个左右的维度外键和多个度量事实，度量事实是事实表的关键所在。在非事实型事实表中没有这些度量事实，只有多个维度外键。非事实型事实表通常用来跟踪一些事件或者说明某些活动的范围。下面举例来进行说明。
第一类非事实型事实表是用来跟踪事件的事实表。例如：学生注册事件，学校需要对学生按学期进行跟踪。维度表包括学期维度、课程维度、系维度、学生维度、注册专业维度和取得学分维度，而事实表是由这些维度的主键组成，事实只有注册数，并且恒为1。这样的事实表可以回答大量关于大学开课注册方面的问题，主要是回答各种情况下的注册数。
第二类非事实型事实表是用来说明某些活动范围的事实表。例如：促销范围事实表。通常销售事实表可以回答如促销商品的销售情况，但是对于那些没有销售出去的促销商品没法回答。这时，通过建立促销范围事实表，将商场需要促销的商品单独建立事实表保存。然后，通过这个促销范围事实表和销售事实表即可得出哪些促销商品没有销售出去。这样的促销范围事实表只是用来说明促销活动的范围，其中没有任何事实度量。
事实表中通常要保留度量事实和多个维度外键，度量事实是事实表的关键所在。
非事实表中没有这些度量事实，只有多个维度外键。非事实型事实表通常用来跟踪一些事件或说明某些活动的范围。
第一类非事实型事实表是用来跟踪事件的事实表。例如：学生注册事件。
第二类非事实型事实表是用来说明某些活动范围的事实表。例如：促销范围事实表。
数仓架构为什么要分层
分层可以清晰数据结构，使用时更好的定位和理解方便追踪数据的血缘关系规范数据分层，可以开发一些通用的中间层数据，能够减少极大的重复计算把复杂问题简单化屏蔽原始数据的异常。不必改一次业务就重新接入数据数据分层思想？
理论上数据分为：操作数据层、数据仓库层、数据服务层。可根据需要添加新的层次，满足不同的业务需求。
操作数据层ODS
Operate Data Store操作数据存储。数据源中的数据经过ETL后装入ODS层。
ODS层数据的来源一般有：业务数据库、日志、抓取等。
数据仓库层DW
根据ODS层中的数据按照主题建立各种数据模型。
DW通常有：DWD、DWB、DWS
DWD: data warehouse detail细节数据层，是业务层和数据仓库的隔离层。
DWB: data warehouse base基础数据层，存储的是客观数据，一般用作于中间层。
DWS: data warehouse service服务数据层，整合汇总分析某个主题域的服务数据。一般是大宽表。
数据服务层/应用层ADS
该层主要提供数据产品和数据分析使用的数据，一般会放在ES、Mysql系统中供线上系统使用
数仓架构进化
经典数仓架构：使用传统工具来建设数仓
离线大数据架构：开始使用大数据工具来替代经典数仓中的传统工具
Lambda架构：在离线大数据架构的基础上，使用流处理技术直接完成实时性较高的指标计算
Kappa：实时处理变成了主要的部分，出现了以实时处理为核心的kappa架构
离线大数据架构
数据源通过离线的方式导入离线数仓中。下游应用根据业务需求选择获取数据的方式
Lambda架构
在离线数仓的基础上增加了实时计算的链路，并对数据源进行流式改造，实时计算去订阅消息队列，并推送到下游的数据服务中去。
Lambda架构问题：同样的需求需要开发两套一样的代码；资源占用增多
Kappa架构
kappa架构可以认为是lambda架构的简化版，移除了lambda架构中的批处理部分。
在kappa架构中，需求修改或者历史数据重新处理都通过上游重放完成
kappa架构最大的问题是流式重新处理历史数据的吞吐能力会低于批处理，但可以通过增加计算资源来弥补
总结
真实场景中，是lambda架构和kappa架构的混合。大部分实时指标通过kappa架构计算，少量关键指标用lambda架构批量计算
随着数据多样性的发展，数据库这种提前规定schema的模式显得力不从心。这时出现了数据湖技术，把原始数据全部缓存到某个大数据存储上，后续分析时根据需求去解析原始数据。简单来说，数据仓库模式是schema on write，数据湖模式是schema on read
OLAP简介
OLAP（On-line Analytical Processing），联机分析处理，其主要的功能在于方便大规模数据分析及统计计算，对决策提供参考和支持。
特点：数据量大、高速响应、灵活交互、多维分析
OLAP分类
存储类型分类
ROLAP（RelationalOLAP）
MOLAP（MultimensionalOLAP）
HOLAP（HybridOLAP）
处理类型分类
MPP架构
搜索引擎架构
预处理架构
开源OLAP解决方案
Persto、SparkSQL、Impala等MPP架构和ROLAP的引擎Druid和Kylin等预处理架构和MOLAP的引擎ES这种搜索引擎架构ClickHouse及IndexR这种列式数据库OLAP引擎
Presto
Facebook开发的分布式大数据SQL查询引擎，专门进行快速数据分析
特点
可以将多个数据源的数据进行合并，可以跨越整个组织进行分析直接从HDFS读取数据，在使用前不需要大量的ETL操作查询原理
完全基于内存的并行计算
流水线
本地化计算
动态编译执行计划
小心使用内存和数据结构
类BlinkDB的近似查询
GC控制
Druid
Druid是一个用于实时查询和分析的分布式实时处理系统，主要用于广告分析，互联网广告监控、度量和网络监控
特点
快速的交互式查询——Druid的低延迟数据摄取架构允许事件在它们创建后毫秒内可被查询到。高可用性——Druid的数据在系统更新时依然可用，规模的扩大和缩小都不会造成数据丢失；可扩展——Druid已实现每天能够处理数十亿事件和TB级数据。为分析而设计——Druid是为OLAP工作流的探索性分析而构建，它支持各种过滤、聚合和查询应用场景
需要实时查询分析具有大量数据时，如每天数亿事件的新增、每天数10T数据的增加；需要一个高可用、高容错、高性能数据库时。需要交互式聚合和快速探究大量数据时Kylin
Kylin是提供与Hadoop之上的SQL查询接口及多维分析能力以支持超大规模数据
射手座
11月23日～12月21日
主宰行星：木星
属性：火相星座
冬天出生的生辰星位或太阳在射手座的人的性格特点：
跺着脚，贪婪地呼吸着大自然的自由空气，送走了金色的秋天，又将迎受冬
天的寒意，射手座的你已迫不及待地要出征到你所渴望的广阔天地里驰骋。这一
座的人性格开朗，思想活跃，注重文化修养，同时又不忘放眼世界。你人在现实
生活，但思想常常飞向遥远的过去和美好的未来。敏捷的思想跳跃着，一会在
这，一会儿又在那，使人觉得你近在眼前，又仿佛在天边；让觉得既与你志同道
合，又仿佛与你格格不入。你是一个思想需要设法平静的人。射手座的人热情洋
溢，对生活充满火热的激情。你从不计较个人的得失，喜欢同时投身到许许多多
的事情当中去。但轻率行为往往会给你带来烦恼。不论是在思想上还是在行动
上，你随时都准备去经历风险。你对人生、未来和爱情的乐观情绪使你永葆青
春。在人生道路上，你所做的一切努力都是为了使人们摆脱困境。此外，乐观主
义精神，健康的体魄和快乐的情绪会给你带来运气和广泛的好感。你很善于安慰
和鼓舞自己与周围的人，并振奋你们的精神。
这一座出生的人，一般对世界上发生的一切事情都有浓厚的兴趣，喜欢外出
旅行、好友善交。你深孚众望，宽宏大量，但不希望别人威胁和干涉你的神圣自
由。你讨厌义务，宁肯抛弃既得的利益，也不愿意为之受束缚。你喜欢家里经常
高朋满座，并尽自己所能去帮助你们，你会因此结识许多社会上有影响的人物，
在你的生活和事业上永远会得到支持或保护。你的命运常常与国外或旅行联系在
一起，通常会给你带来运气、友谊和利益。即使在不利的情况下，乐观情绪也永
远不会背叛你，并能帮助你比别人都快地摆脱困境，这是射手座的人性格上特有
的优势。你特别关心歌坛、影响坛上的新闻铁事，又喜欢颇有见地的思想观点，
并善于对此发表高论。你热情好客，和蔼可亲，为人善良忠厚，思想开朗以及心
胸豁达的性格，颇受人们的称赞。与人共事富有合作精神，对生活与事业怀着你
本能的理想主义，这将鼓舞你和周围的人，并增添了与大家的和谐气氛。但是你
的机会主义、因循守旧、自身矛盾的思想，做事很少考虑别人的能力极限，会引
起别人的不满。
在经历了动荡不定的岁月之后，从40岁起，射手座的人一般都会转到正常生
活的轨道上来，过着安居乐业的生活，成为受人尊敬的公民、家庭中的模范父亲
(母亲)，或者某项事业的主席或***。荣誉在你们的心目中占有十分重要的地
位。中年时代是射手座的人事业上的黄金时期，你有能力和有机遇去赢得自己的
成功。
射手座的男性
热情、乐观、总是满怀巨大的热忱。无论是在感情上，还是在思想上，你的
视野总是向着新的地平线，向往着遥远的国度。
你的独立精神很强，喜欢我行我素，不愿受到别人的约束。感情上十分真
诚，是个情感丰富的人，爱情很早就在你的心中燃起了绚丽多彩的火花。你的一
生机遇横生，美好的爱情在期待着你。你对自己所喜欢的人会表现得十分无私和
慷慨，并希望自己周围的每个人都能满意和幸福。
当你拿起酒杯的时候，你会对家庭和社会产生一种强烈的感情。你喜欢出主
意，喜欢安排家人的生活，同时又尊重每个人的独立性和你们完全的行动自由。
如果你的家庭生活是特别幸福和满意的，那么你的感情也是坚贞不渝的。你喜欢
凡事来龙去脉都能一清二楚，不喜欢含糊其辞和模棱两可。
生辰星位在双子座的女性，会用她快乐的情绪、翩翩的风度赢得你的好感。
如果你们结合在一起，生活将是生机勃勃的、完美的，而且会有许多旅行的机会。
牧羊座的女性和你有同样的热情，你们的结合有助于实现伟大的事业。
狮子座的女性与你有同样慷慨的性格，你们对生活和崇高的事业有着共同的
愿望。
射手座的女性
天然生就的纯真的素质，如同一阵清新的风；一种无法抑制的活力和一股奔
向自由的激情，这就是射手座的女性。这是思想单纯，爱好体育运动，内心充满
欢乐的\\"少女\\"。她的心总是向往着纯真的、被理想化的了爱情。与射手座的男
性一样，你不愿意自己受到任何感情上的约束。
在度过了自由自在、无忧无虑的独身生活之后，一旦她建立了自己的家庭，
她将会成为一个贤妻良母和家庭的中流砥柱。她需要得到别人的尊重，她的工作
希望得到欣赏和好评，她既关心丈夫和孩子们的幸福，又懂得如何尊重你们各自
的独立性。
与生辰星位在双子座的男性结为伴侣，你们的生活将会是充满朝气的乐园。
你与激情满怀的牧羊座的男性以及热情洋溢的狮子座的男性会相处得十分融
洽。
射手座的儿童
笑容可掬、生气勃勃，十分容易冲动。射手座的孩子需要自由和有益于健康
的欢乐。你喜欢骑马、骑摩托车、滑雪或坐上小艇去探险，或者到遥远的国度去
旅行。
你的主要优点是忠诚和独立精神。如果人们能正确对待和理解你，你会表现
得十分理智，而且完全可以信任你；但是如果人们强迫你，就再也无法奈何你，
你会躲避到另一个虚伪的极端中去。
一般地说，外界生活要比学习更能吸引你。射手座的孩子特别有语言天才，
你总是向往着遥远的地方，外国和旅行将是你命运中不可分割的一部分。你喜欢
随心所欲的生活方式或事业，而不愿意把自己锁在条条框框中，你也喜欢有机会
出头露出的工作。
你的最好出路是：
自由职业、军人生活、法律、驻外机构、体育、赛马、商业(尤其是进出口业
务)、社会福利事业、法官和教师。
射手座不同10°内出生的人的基本性格：
出生日期：11月23日～1日
性格特征：待人宽厚，思想和行动绝对的独立。你的一切对别人有很大影
响。有创新精神，但行动有时过激和不太适宜。这一日期出生的人，可能有两种
发展趋
向：一是成为成功的探险家或旅行家，你会用自己的勇敢和对自由的热爱去战胜
险阻。另外一种趋向是谨慎的理想，它会使人致力于社会、哲学或宗教方面的工
作。
动力来源：独立精神
出生日期：12月2日～12月11日
性格特征：性情耿直、坦率、倔强。你的情绪幅度较大，骤然就会达到热情
的顶峰，骤然亦会跌落到失望的深渊中。你时刻都准备蹭上开拓者的征途。无论
在工作上还是生活上，你总是处于高度紧张状态。你的巨大能量会把你周围的
人，乃至于你本人都会精疲力竭。头脑中总是有许许多多的新见解和想法，做事
干净利落，这是你事业成功的保证。
动力来源：热情
出生日期：12月12日～12月21日
性格特征：具有令人愉快的性格，真诚可靠，对人极为热情。你的精力和智
力天赋十分突出。其灵感能达到远见卓识的程度。你性格的另一特点是意志坚强
和富有独立精神。在体育事业方面成绩卓著，干一行爱一行，能赢得别人的好
感；情感炽热，没有友谊和爱情就无法生活。
动力来源：灵感
出生在射手座的著名名人士有：
贝多芬(德国音乐家)、希拉克(法国总理)、柏辽兹(法国作曲家)、缪塞(法国诗
人)、丘吉尔(英国前首相，作家)、迪斯尼(美国动画作家：米老鼠和唐老鸭的作
者)、比阿夫(法国女歌唱家)。
总而言之，射手座的你：
具有独立精神的射手座的人说：\\"我相信\\"。
表达爱情的方式：热烈的。
是一个：热情洋溢的人。
渴望：能协助你事业的助手。
受骗：由于对机遇驾驭的失误或性格因素。
喜欢：在大自然里散步和骑马。
害怕：妥协。
追求：健康的娱乐。
弱点：失约。
假期生活：郊游或野营。
有利条件：过分直率。
开支：豪华的生活。
吉祥物：星形物。
吉祥金属：青铜。
吉祥宝石：绿松石。
吉祥日：星期四。
喜欢的颜色：蓝色和紫色。
吉祥数字：3、12、21、30。
喜欢的场所：盛大聚会的场所、赛马场、可散步或找猎的森林。
吉祥植物：洋苏草、薄荷、琉璃苣。
居住条件：宽敞明亮的房间，光线充足，空气新鲜，室内装饰着各种旅游
纪念品，阳光上可眺望着树林景色。
理想旅居国：澳大利亚、西班牙、葡萄牙、匈牙利、锡兰。
补充：
太阳落在天秤座
你富同情心且重感情，对别人的态度公正而客观。你很能体谅别人的感觉，故能和周遭的人保持和谐的关系。社交活动对你来说是很重要的，但更重要的是寻求和你共享幸福快乐的同伴。你常依赖别人的赞同与关系的和谐，来决定你自己的行动，并喜欢周遭的人对你所作所为完全的认同。
你喜爱美的事物，对均匀和谐的东西产生由衷的共鸣与感动。并善於鉴赏音乐与其他的文化艺术和娱乐，当然这一切的大前提必须是美的事物。而你也非常挑剔，尤其不喜欢杂乱且肮脏的工作。
当你本身遇到必须依赖自己判断的事情，你会非常小心衡量每一件因素，从而达成一项完美的方法。然而，天平座的人因为要求过於精细，以至於在临时下决定时，常常变得犹豫不决，甚至有点让人无法忍受。无论如何这样的态度是基於你事事要求公平完美所致。
你的仪表优雅且讲究礼节，除了要求自己之外，也希望别人的态度高尚。你拒绝任何粗俗不优雅的人，如果现实生活不尽如你意时，你将自我退缩，甚至逃避。
天秤座的人对恋爱是一位行家，你很能对恋爱中的角色扮演有充分了解。你使用特别的艺术化情感使得两性间的爱情变得精致，而不只是动物化的情欲。大部份天秤座的人在爱情生活均有高尚而均衡的发展，且拥有和谐的性关系。
你具有天生良好的体型，即使并非特别健壮，却有强大的持久力与恢复力；无论是在生理或心理上。天秤座在占星学上支配人体的背的底部和肾脏，如果太阳相位不良，可能引起这方面的毛病。
肖狗天秤座解密
天秤座肖狗者是利他主义者、祈人忧天者、理想主义者，也是位喜欢抱怨的人
、一位审美主义者、一位科学家，并是位受雇做杂事的人。
天秤座肖狗者显得有尊严而聪明多慧。他们信奉人道主义，并总是以最佳的方
式谦和待儿你将能自他们的身上获得同情心，他会协助你，在旁鼓励你，并为你的
勇气喝彩。他是位了不起的朋友与极佳的同事。
天秤座能经由外交手段以解决任何生活中的冲突，他们几乎完全不采与人作对
的立场，而总是考虑双方的观点。肖狗者也大同小异，除非是绝对与切身利害有关
而无法避免，他们绝不赞成与人冲突。所以这两者的组合就产生一位和平安静相当
具仁慈心的人，他绝不会伤害一只跳蚤，除非他觉得个人受到侵犯。
天秤座肖狗者经常发怨言，他们抱怨生活的不顺与种种不公的待遇。他们吹毛
求疵，也常常对人咆哮。虽然他们的训斥令人难以忍受，然而有他们在，能够促人
尽己所能。
他们总是以妥协的方式来解决各种纷端。由于生性善良乐于助人，家人与朋友
也就将其乐善好施之举视为当然，而一旦他们无法再承受负担时，却无人在意更
不愿听期诉苦。大家皆已习惯他自我牺牲的行为，而其冀求帮助的呼声却落入无
人之耳。
天秤座肖狗者有灵巧的双手。他们能自制模型、制作家俱，并知如何种植果
物。他们具慈心又爱家，但是也显得高傲凌人，经常犹豫且情绪化。
爱情
天秤座肖狗者对伴侣的选择极为谨慎。他们在发展情感关系上极有天赋，但
是也惧怕过度亲密。他们不接受批评，同居更不会是他们同意做的事。
如果爱上天秤座肖狗者，你得有耐性等待，直到他真下定决心安定下来。
适合共处的对象
肖虎的双子、射手或宝瓶座者最合相处。你也能与肖兔的双子、狮子或宝瓶
座者相处。你又能良好地适应肖马的狮子和射手座者的生活型态。肖蛇的双子
也迷人。肖龙的白羊、巨蟹或磨揭座者不合。肖羊的巨蟹或磨揭座者以及肖猴的
巨蟹座者亦不应考虑。
职业
天秤座肖狗者在需要技术、善解人性与取悦众人的事情上颇有所长。他们关心
社会秩序，并对法律与政治感到兴趣，也有些诗人的成份，他的力量在于仁慈而
其缺点也在心地仁慈。适合的工作有素食专家、社会工作者、医生、助产士、动
物训练员、景观园艺家与科学研究者。
著名人物：作曲家乔治葛许温、影星碧姬芭杜
不好意思，格式有点乱。希望被采纳
美团各业务线存在大量的OLAP分析场景，需要基于Hadoop数十亿级别的数据进行分析，直接响应分析师和城市BD等数千人的交互式访问请求，对OLAP服务的扩展性、稳定性、数据精确性和性能均有很高要求。本文主要介绍美团的具体OLAP需求，如何将Kylin应用到实际场景中，以及目前的使用方式和现状。同时也将Kylin和其它系统（如Presto、Druid等）进行了对比，阐述了Kylin的独特优势。
作为公司的平台部门，需要给各个业务线提供平台的服务，那么如何建设一个满足各种需求的公司平台级OLAP分析服务呢。首先，一个开源项目在公司真正落地会遇到很多障碍，这主要是由各个业务线不同的数据特点和业务特点决定的，所以本文会介绍一下美团的数据场景有什么特点；其次，针对这些数据特点，尤其是和Kylin设计初衷不太相符的部分，有什么样的解决方案；第三，目前OLAP领域还没有所谓事实上的标准，很多引擎都可以做类似事情，比如普通的MPP，Kylin，或者ES等。这些系统之间的对比情况如何，应该如何选择，我们也有部分测试数据可以分享；最后，简单讨论一下未来准备在Kylin上做的工作。
1、美团的数据场景特点
第一个特点是数据规模和模型特点。一方面从数据规模上来讲，事实表一般在1亿到10亿量级，同时还有千万量级的维表，也就是超高基数的维表。另一方面，数据模型是一开始遇到的最大困难。因为Kylin最初的设计是基于一个星形模型的，但很不幸由于各种原因，很多数据都是雪花的模型，还有其它的模型，比如所谓“星座”模型，也就是中间是两张或者三张事实表，周围关联了其它很多维表。业务逻辑决定了这些数据的关联方式非常复杂，根本无法用经典标准的理论来解释。
第二个是维度。维度最理想的情况是固定的，每天变化的只是事实表。但实际上维度经常会变，这可能和行业特点有关，比如组织架构，相关的维度数据可能每天都会变化。除此之外还可能要用今天的维度去关联所有的历史数据，因此要重刷历史数据，相应的开销也比较大。
第三个是数据回溯的问题。比如发现数据生成有问题，或者上游出错了，此时就需要重跑数据。这也是和经典理论模型有区别的。
从维度的角度来看，一般维度的个数在5-20个之间，相对来说还是比较适合用Kylin的。另一个特点是一般都会有一个日期维度，有可能是当天，也有可能是一个星期，一个月，或者任意一个时间段。另外也会有较多的层次维度，比如组织架构从最上面的大区一直到下面的蜂窝，就是一个典型的层次维度。
从指标的角度来讲，一般情况下指标个数在50个以内，相对来说Kylin在指标上的限制并没有那么严格，都能满足需求。其中有比较多的表达式指标，在Kylin里面聚合函数的参数只能是单独的一列，像sum(if…)这种就不能支持，因此需要一些特别的解决方法。另外一个非常重要的问题是数据的精确性，目前在OLAP领域，各个系统都是用hyperloglog等近似算法做去重计数，这主要是出于开销上的考虑，但我们的业务场景要求数据必须是精确的。因此这也是要重点解决的问题。
在查询上也有比较高的要求。因为平台的查询服务可能直接向城市BD开放，每次会有几十、上百万次的访问，所以稳定性是首先要保证的。第二要求有很高的性能。因为用Kylin主要是为了实现交互式的分析，让使用者能够很快拿到结果，所以需要秒级响应。
另外经常会有人问到，Kylin有没有可视化的前端，在我们内部更多是由业务方来做，因为原来本身就有这样的系统，以前接的是MySQL等其它的数据源，现在可以直接使用Kylin的JDBC driver对接起来。
以上是美团在OLAP查询方面的一些特点。在用Kylin之前，实际上有一些方案，但效果并不理想。比如用Hive直接去查，这种情况下，第一个是慢，第二会消耗计算集群的资源。尤其每个月第一天，大家都要出月报，跑的SQL非常多，全提到集群上去，并发度限制导致跑的比平时更慢。我们原来也做过预聚合的尝试，这个思路跟Kylin很像，只不过是自己做这个事，用Hive先把所有的维度算出来，然后导入MySQL或者HBase。但是这个方案并没有像Kylin这么好的模型定义抽象，也没有从配置到执行，预计算，查询这样整体的框架。现在通过使用Kylin实现了低成本的解决这些问题。
2、接入Apache Kylin的解决方案
针对上述的问题，经过大量的尝试和验证，目前主要的解决方案有以下几点。
最重要的第一点，就是采用宽表。所有非标准星型的数据模型，都可以通过预处理先拉平，做成一个宽表来解决。只要能根据业务逻辑把这些表关联起来，生成一张宽表，然后再基于这张表在Kylin里做数据的聚合就可以了。宽表不只能解决数据模型的问题，还能解决维度变化、或者超高基数的维度等问题。
第二点是表达式指标的问题，也可以通过提前处理解决。把表达式单独转成一列，再基于这列做聚合就可以了。实际上宽表和表达式变换的处理可以用hive的view，也可以生成物理表。
第三个是精确去重的问题，目前的方案是基于Bitmap。由于数据类型的限制，目前只支持int类型，其它包括long、string等类型还不支持。因为需要把每个值都能映射到Bitmap里,如果是long的话开销太大。如果用哈希的话就会冲突，造成结果不准确。另外Bitmap本身开销也是比较大的，尤其跑预计算的时候，如果算出来的基数很大，对应的数据结构就是几十兆，内存会有OOM的风险。这些问题后面我们也会想一些办法解决，也欢迎在社区里一起讨论。（补充说明：目前已在153版本中实现了全类型精确去重计数的支持。）
从整个系统的部署方式上来说，目前Server采用了分离部署的方式。Kylin Server本质上就是一个客户端，并不需要太多资源，一般情况下使用虚拟机就能够满足需求。
实际的部署情况可以看这张图，左下角的是hadoop主集群，用于执行每天所有hadoop作业。中间最重要的是Kylin01和02这两个server，是用于线上环境的serve。其中kylin01是生产环境，这个环境一方面要负责从主机群上跑计算，把数据导到HBase，另外也要响应前端的请求，从HBase里读数据。如果想新增一个Cube的话，需要在kylin02上操作，也就是预上线环境。所有业务方人员的cube数据模型定义都是在kylin02上做，没有问题后由管理员切到kylin01上。
这样做的一个好处是kylin01作为一个线上服务能保证稳定性，甚至权限控制能更严格一些；第二，预上线环境下开发完成后，管理员可以在投入生产前进行一次review，保证cube的效率。
右上角是另外的调度系统。整个数据仓库的数据生产都是通过这个调度系统来调度的，其中的任务类型很多，Kylin的cube build任务也是作为其中的一种类型。在上游的数据就绪以后，根据配置的依赖关系，自动触发Cube建立的过程。
左上角这边还有一个完全独立的线下测试集群，这个集群是完全开放的，主要是给用户做一些最开始的可行性调研或者评估的工作，但同时也不保证稳定性。
一个开源的系统从社区拿回来，到真正的落地，再到上生产，这个过程相对还是比较长的，这里并没有太多的技术问题，更多的是一些流程上的经验。就是如何在各个阶段给业务方提供更好的服务，使得接入Kylin的过程更顺畅，沟通成本更低。整个过程主要分为四个阶段。
第一个阶段是方案选型，业务方根据业务需求，选择一些方案进行调研。我们在这个阶段提供了需求的Checklist，从数据模型，维度各个方面列出来比较详细的点，可以让业务方自己对照，确定需求是不是能够被满足。
在确定Kylin能满足需求的基础上，接下来是第二步，线下探查，也就是线下评估或者测试。我们提供了非常详细的接入文档，以及线下测试的环境。第三步是线上开发，我们也有一些文档支持，基于抽象出来的场景，每个场景怎么配置Cube，或者做哪些预处理，如何优化等，能够给业务方一个指导性的意见。
最后是开发完成后的切表上线。这个过程目前还是由管理员来操作，一方面是为了避免误操作或者滥操作，另一方面也会对cube进行review，帮助进行优化。
3、主流OLAP系统对比分析
通过和其它同学交流，有一个感觉就是大家都觉得Kylin还不错，但并不是特别有信心，或者不知道非要用它的理由是什么，或者它和其它系统的对比是什么样的？这里也有部分测试结果可以和大家分享。
整个测试基于SSB的数据集，也是完全开源的，实际上是专门用于星型模型OLAP场景下的测试。整个测试数据集是非常标准的五张表，可以配置一些参数决定生成的数据集规模，然后在不同的规模下做不同查询场景的测试。现在已经完成的测试的系统包括：Presto，Kylin13，Kylin15和Druid。数据规模包含千万、亿、十亿三种规模；维度个数为30个；指标个数为50个。典型的测试场景包括：上卷、下钻，和常用的聚合函数。
这里挑选了典型的五个查询场景：一个事实表的过滤和聚合；五张表全关联之后的查询；两个Count Dstinct指标和两个Sum指标；后面两个查询包含8~10个的维度过滤。
这张图是千万规模下的一个测试结果，包括了四个系统。我们在用Kylin或者其它系统之前没有专门用于OLAP分析的引擎，只能用通用的。Presto是其中表现非常好的引擎，但是在OLAP这种特定的场景下，可以看到不管跟Kylin还是Druid相比差的都比较多，所以前两个测试包含了Presto结果，后面就没有包含了。
这里比较有趣的现象是在第三个查询，Kylin15反而比Kylin13要慢一些。这个地方我们还没有搞清楚是什么原因，后面会详细的看一下。当然这个也可以证明数据没有修改过，是真实的测试数据。
从后面的两个查询上可以看到，在千万规模的级别，和Druid还是有比较大的差距。这主要和它们的实现模式相关，因为Druid会把所有的数据预处理完以后都加载到内存里，在做一些小数据量聚合的时候，可以达到非常快的速度；但是Kylin要到HBase上读，相对来说它的性能要差一些，但也完全能满足需求。
在亿级的规模上情况又有了变化，还是看后面两个查询，Kylin13基本上是一个线性的增长，这个数据已经变得比较难看了，这是由于Kylin13在扫描HBase的时候是串行方式，但是Kylin15反而会有更好的表现，这是因为Kylin15引入了HBase并行Scan，大大降低了扫描的时间。Kylin15的数据会shard到不同的region上，在千万量级上数据量还比较小，没有明显的体现，但是上亿以后，随着数据量上升，region也变多了，反而能把并发度提上去。所以在这里可以看到Kylin15表现会更好。这里也可以看出，在数据量成数量级上升后，Kylin表现的更加稳定，在不同规模数据集上依然可以保持不错的查询性能。而Druid随着数据量的增长性能损失也成倍增长。
刚才是在性能方面做的一些分析，其实对于一个系统来说，性能只是一个方面，除此之外，我们也会去考量其它方面的情况，主要有以下四点。
第一，功能的完备性。刚才提到我们所有的数据必须是精确的，但是现在基本上没有哪个系统能完全覆盖我们这个需求。比如Druid性能表现确实更好，但是它去重计数没有办法做到精确。
第二，系统的易用性。作为一个平台服务，不仅要把系统用起来，还要维护它，因此要考虑部署和监控的成本。这方面Kylin相对来说也是比较好的。Druid一个集群的角色是非常多的，如果要把这个系统用起来的话，可能光搭这个环境，起这些服务都要很长的时间。这个对于我们做平台来讲，实际上是一个比较痛的事。不管是在部署，还是加监控的时候，成本都是相对比较高的。另外一个查询接口方面，我们最熟悉或者最标准，最好用的当然是标准SQL的接口。ES、Druid这些系统原来都不支持SQL，当然现在也有一些插件，但是在功能的完备性和数据的效率上都不如原生的支持。
第三，数据成本。刚才提到了有些数据需要做一些预处理，比如表的拉平或者表达式列的变换，除此之外还有一些格式的转化，比如有的系统只能读TEXT格式，这样都会带来数据准备的成本。另一方面是数据导入的效率。从数据进入数据仓库到真正能够被查询，这个时间中间有多长。数据存储和服务的时候需要多少机器资源，这个都可以归为数据成本，就是使用这个数据需要付出的成本。
第四，查询灵活性。经常有业务方问到，如果Cube没定义的话怎么办？现在当然查询只能失败。这个说明有的查询模式不是那么固定的，可能突然要查一个数，但以后都不会再查了。实际上在需要预定义的OLAP引擎上，这种需求普遍来讲支持都不是太好。
这张图是各个系统全方位的一个对比。
从查询效率上看，这里表现最不好的就是Presto，表现最好的应该是Druid和Kylin15，两者不相上下。从功能完备性上来讲，确实Presto语法和UDF等等是很完备的，Kylin会稍微差一些，但比Druid好一点。
系统易用性上区别不是太大，这里主要考虑有没有标准的SQL接口或者部署成本高不高，用户上手能不能更快，目前来看Druid接口上确实不够友好，需要去翻它的文档才知道怎么去写查询的语法。
在查询成本上，Presto是最好的，因为几乎不需要做什么特殊的处理，基本上Hive能读的数据Presto也都能读，所以这个成本非常低。Druid和Kylin的成本相对较高，因为都需要提前的预计算，尤其是Kylin如果维度数特别多，而且不做特别优化的话，数据量还是很可观的。
最后从灵活性上来讲， Presto只要SQL写出来怎么查都可以，Druid和Kylin都要做一些预先模型定义的工作。这方面也可以作为大家选型时候的参考。
刚才比较客观的对比了几个系统，接下来再总结一下Kylin的优势。
第一，性能非常稳定。因为Kylin依赖的所有服务，比如Hive、HBase都是非常成熟的，Kylin本身的逻辑并不复杂，所以稳定性有一个很好的保证。目前在我们的生产环境中，稳定性可以保证在9999%以上。同时查询时延也比较理想。我们现在有一个业务线需求，每天查询量在两万次以上，95%的时延低于1秒，99%在3秒以内。基本上能满足我们交互式分析的需求。
第二，对我们特别重要的一点，就是数据的精确性要求。其实现在能做到的只有Kylin，所以说我们也没有什么太多其他的选择。
第三，从易用性上来讲，Kylin也有非常多的特点。首先是外围的服务，不管是Hive还是HBase，只要大家用Hadoop系统的话基本都有了，不需要额外工作。在部署运维和使用成本上来讲，都是比较低的。其次，有一个公共的Web页面来做模型的配置。相比之下Druid现在还是基于配置文件来做。这里就有一个问题，配置文件一般都是平台方或者管理员来管理的，没办法把这个配置系统开放出去，这样在沟通成本和响应效率上都不够理想。Kylin有一个通用的Web Server开放出来，所有用户都可以去测试和定义，只有上线的时候需要管理员再review一下，这样体验就会好很多。
第四，最后一点就是活跃开放的社区和热心的核心开发者团队，社区里讨论非常开放，大家可以提自己的意见及patch，修复bug以及提交新的功能等，包括我们美团团队也贡献了很多特性，比如写入不同的HBase集群等。这里特别要指出的是核心团队都是中国人，这是Apache所有项目里唯一中国人为主的顶级项目，社区非常活跃和热心，有非常多的中国工程师。特别是当你贡献越来越多的时候，社区会邀请成为committer等，包括我自己及团队成员也已经是Apache Kylin的committer。同时也非常高兴看到以韩卿为首的Apache Kylin核心团队在今年初成立的创业公司Kyligence，相信可以为整个项目及社区的发展带来更大的空间和未来。
4、未来工作
在未来工作方面，我们认为Kylin还有一些不理想的方面，我们也会着力去做优化和改进。
第一，精确去重计数。刚才提到只支持Int，接下来有一个方案会支持所有的数据类型，能够扩展大家使用精确去重的场景范围（补充说明：目前该功能已在153版本中实现）。
第二，在查询效率和Build效率上也看到了一些可以优化的部分。比如队列资源拆分，我们所有计算集群的资源都是按照业务线核算成本的，但是现在Kylin本身还不太支持，这个我们也会抓紧去做，相信在很多公司也有类似的需求。还有大结果集和分页。当结果到了上百万的量级时，查询时延会上升到几十秒。同时在查询的时候有可能需要排序并且分页，就是把结果全读出来之后，根据其中的一个指标再order by，这个开销也是比较大的。我们也会想办法进行优化。
最后，Kylin15之后有明细数据和Streaming特性出来，后面也会做这方面的尝试。
5、Q&A
Q1：之前在Build的时候一直提到成本的问题，能给出一个估计值吗，如果一百亿的数据，需要多少时间？
孙业锐：有一个简单数据，大概是两亿行数据，维度的话有十四五个，Build时间不超过两个小时，Build出来的数据是五六百G。
Q2：原始值是多大？
孙业锐：把这个数据抽出来之后，就是只参与Build的数据压缩后只有几个G。
Q3：Kerberos认证失效的问题你们遇到过没有？
孙业锐： Kerberos认证完之后，会在本地临时目录下有一个ticket问题，每天在外部定时刷新一下就可以了，服务是不用停的。
主持人：我补充一下我们为什么选择SQL接口？Kylin解决的是真正的用户面是谁，其实是业务人员和分析人员，他只会SQL，几乎那些人很少说再学个JAVA，所以能给他一个标准的SQL这个是让他上船最快的事情。其实这就是易用性很重要。
刚才看到了Kylin在千万级规模和亿级规模的表现，如果数据规模上到十亿，百亿，千亿的时候，我相信Kylin应该会秒杀所有一切。因为我们现在有另一个案例，生产环境上千亿规模的一张表，可以做到90%查询在18秒以内。另外我觉得非常好的一点，像美团、京东这边贡献了很多patch，其实就是把需求提出来，大家可以一起来做。
作者介绍
孙业锐，美团高级工程师，Apache Kylin Committer。2012年毕业于电子科技大学，曾在奇虎360工作，负责Hadoop平台建设，2015年加入美团。目前主要负责数据生产和查询引擎的改进和优化，专注于分布式计算，OLAP分析等领域，对分布式存储系统亦有丰富经验。
简易果冻
材料：旺仔QQ糖一包、牛奶一盒
方法：把QQ糖倒入热牛奶中，煮化就好啦！然后放入冰箱冷藏一晚！
第二天就可以吃啦！
在里面加入一点水果也不错啊！
香香的牛奶冻 （用棉花糖这个方法电视上也介绍过）
材料准备： 1、牛奶 2、一包棉花糖 （袋装，各大超市均有销售） 3、水果 （种类不限，看个人喜爱）
制作方法：
1、将牛奶倒入锅内加热
2、再将棉花糖倒入锅内搅拌融化
3、待棉花糖完全融化后关火倒入容器中备用
4、将水果切成丁状后，适量加入盛有牛奶棉花糖的容器中，再放入冰箱内冷冻3个小时（最好放在冷藏室内冷冻而不要放在冷冻室内冷冻） 5、3个小时后，从冰箱取出后冰淇淋奶酪就做好啦！
这道冰淇淋奶酪的特点是： 1、制作方法简单
2、制作好的冰淇淋奶酪象果冻一样，晶莹剔透，吃到嘴里的感觉也很象果冻， 略微带点甜味，滑溜溜的，非常可口。
也可以在牛奶中加入巧克力，做成巧克力幕斯哦！
不用果冻粉也能做果冻
用料：苹果汁 QQ糖
做法：1将QQ糖溶解在热水里，可以一边加热一边溶解，QQ糖可以多放点
2在QQ糖溶液里倒入苹果汁，然后用打蛋器搅拌均匀，打出泡沫
3倒在容器中，放入冰箱冷藏，过个3-4小时取出就好了
嘿嘿，试试吧：）
用QQ糖做果冻，超简单
材料：三包QQ糖，一只奶锅，自己喜欢的水果切成丁。
开始做咯
先放水进奶锅煮开，水大概200毫升，开了以后把QQ糖放进去煮，关小火搅拌，直到QQ糖完全溶化，用筷子点一点看看，如果感觉稍稍有点粘稠感就可以了，倒进一个容器里（最好有模具）放凉了后再放进自己喜欢的水果丁，然后放进冰箱冷冻，1---2小时就可以拿吃来吃了。对了，吃前先用一只稍大的碗装点热水，装着果冻的容器在热水里晃一下，这样会很容易扣出碟子上了。
自己动手做果冻
原料：QQ糖（数量多少决定果冻的软硬程度！
鲜橙多饮料
自己喜欢的水果切成小块
做法：将橙汁倒入小锅内，加热后放入QQ糖，搅到QQ糖溶开，然后把锅里的汁倒入小容器内，把水果小颗粒放入容器内，再把容器放到冰箱内冻半个小时到一个小时！
半小时到一个小时后拿出，拿出后倒入小盘内就可以吃到美味的自制果冻了啊！
自己做出的果冻没有防腐剂而且很美味大家快自己亲手试试吧！
==================================================
鸡蛋布丁
[原料/调料]：水500-600克，鸡蛋布丁预拌粉120克。
[制作流程]：
1将水煮滚随即转小火，加入布丁预拌粉后，快速搅拌均匀，继续煮沸1-2分钟后熄火。
2将做法1的布丁液过滤一次，这样能去除不必要的残渣，使布丁的口感更细致。
3趁热将布丁液倒入模型中，待完全冷却凝固后才可扣出，即为好吃的鸡蛋布丁了。
-------------------
芒果布丁
材料:芒果4只 牛奶1盒 小花奶一罐 小椰汁一罐 鱼胶粉1/4 盒 用热水开溶无一粒粒
做法
1两个芒果刮去皮效入挍伴机内，加入牛奶、花奶、椰汁和已溶的鱼胶粉搅成果汁。
2另外两个芒果刮去皮切碎 。
3将搅成果汁及果肉放入布甸模中，即可放入雪柜中约几小时凝固便可 。
如喜欢可加西米，半碗西米用滚水焗熟，水凉了末熟，可从做一两次，熟了用冰水过冷河(格水)加入果汁及果肉内。
-------------------
巧克力牛奶鸡蛋焦糖布丁
材料：
巧克力牛奶400CC
砂糖 3大匙（个人觉得还应该在加电）
鸡蛋 3个
焦糖浆（砂糖3大匙，水一大匙。用小锅做，把砂糖和水到入锅内，迅速搅拌，用强火加热）
做法：
①将巧克力奶加热加入砂糖，砂糖融化后马上熄火散热（注意不要让牛奶沸腾）
②将鸡蛋搅拌充分
③把①到入②
④用过滤网把③过滤
把焦糖浆倒入4个杯子内，并将第4步分至其上。
用蒸锅蒸，等下层水沸腾，即可放入。
强火蒸2-3分钟，弱火13-15分钟。
冷却放入冰箱2小时候即可。
-------------------
挪威水果布丁
用料： 黑李子脯150克，白砂糖100克，玉米粉50克，柠檬汁20克，食盐，肉桂粉少许。
做法：
1． 将李子脯加冷水300克浸泡过夜，次日在锅中煮20分钟，去核留汁留脯待用
2． 用另一锅加300克冷水，放糖盐及肉桂粉煮沸，然后将少许冷水与玉米粉拌合成浆，徐徐倒入煮沸的水中，不停地搅拌均匀
3． 将玉米糊与果脯汁，果脯肉，柠檬汁混合在一起，装入碗中摊凉后送进冰箱
4． 食用时不用将碗中物倒出，直接取用。
24
做牛奶布丁作文350字布丁是一种饭后小甜品，味道好吃极了，大家都很喜欢。
我家也有好吃的布丁，不过，与众不同的是我家的布丁不是买来的，而是自己做出来的。
那天中午，妈妈正在厨房里做好吃的。
我好奇的走过去一瞧，妈妈正往锅里倒牛奶，嘴里还在说：“200毫升、400毫升。
”“妈妈，你在做什么？”“哦，我在做布丁。
”妈妈一边说，还一边往锅里到了整整一包草莓味的棉花，然后搅啊搅，一直搅到锅里的棉花糖都化成水了。
我心想：做布丁吃？我喜欢！妈妈关掉炉子，拿出几个玲珑小巧的玻璃杯和一把长柄汤勺，妈妈用汤勺将锅子里的东西挨个倒了进去。
1杯、2杯、3杯……6杯、7杯，妈妈整整倒了七杯。
（ 书村网 mcqyy ）过了会，妈妈摸了摸杯子，高兴的说：“太好了，不烫了！可以放进冰箱里面了冻一冻了。
”我很兴奋，又问：“妈妈，什么时候才能吃到布丁呢？我都快等不及了。
”妈妈笑着说：“你别着急，到了晚上就能吃了。
你要不要来帮我把它们放进冰箱里？”“好啊好啊！”我的话音刚落，就开始工作了。
到了傍晚，我和弟弟正起劲儿的在看动物世界，那个好看啊，让我把布丁这件事都忘到九霄云外去了。
“吃布丁喽！”，要不是这句话，我恐怕要到明天才想起这件事来。
我和弟弟急急忙忙赶了过来，拿起勺子就开始吃了。
吃布丁的第一口让我终身难忘，吃了还想吃。
我又吃了一口，咋了咂嘴。
瞥了一眼一旁的弟弟，发现刚给他的一杯布丁一眨眼就没了，我心想：这小不点，个子虽小，没想到吃起好吃的比我还快。
看来，他是这么爱吃布丁啊。
哦，对了。
之后妈妈还往里面添加了半包荔枝味的QQ糖，有荔枝的味道，吃起来棒极了。
你也试着做一做好吃的布丁吧，还能往里添加苹果味的QQ糖或者其他口味的哦。
怎么做布丁？本人很喜欢吃布丁,想学习它的做法希望知道的同学给与
布丁的做法很多，介绍几款 1 **的鸡蛋布丁 （1） 牛奶3杯 糖3/4杯 蛋黄6个 2）明胶2大匙 水1/4杯 做法： A 料拌匀备用 B 搅拌均匀后，隔水蒸化，倒入（1）料再拌匀，可以小火煮5分钟，放凉舀入心形模型中，放入冰箱冷藏至凝聚 C 连模型放在温水中浸一下，再倒扣在盘中 2 白色心形的为芒果布丁做法 材料： 喱粉一盒（味道自选无色或偏向奶白色的） 蒙牛牛奶500ML 白糖少量 做法： 1 用大半碗水煮开息火，放入？ㄠ酆桶滋？搅拌直至完全溶解？ㄠ酆？ 再加入一碗冻开水搅拌 （这为了要使水加快凉下来） 3 水凉了后，加入牛奶搅拌，使牛奶完全与？ㄠ鄣乃旌？ 4 把混合好的水倒入心形模具中，放入冰箱中，待凝固后即可 我用的是罗拔臣的？ㄠ？做法简单但做出来的布丁会又香又滑 3水果布丁做法 牛奶200克，棉花糖（就是软软白白的糖果）200克，苹果，菠萝，草莓。
1，将苹果，菠萝，草莓，去皮去核，去蒂切成小丁。
2，坐锅用中火，倒入牛奶，加入棉花糖，快速搅动，等棉花糖溶化，牛奶变稠 将水果丁倒入，稍加搅拌。
倒入容器，凉后入冰箱冷藏一夜即可。
妈妈的爱 作文400字妈妈给我的爱 爱在生活中是不可缺少的东西，有长辈的爱，老师的爱，还有同学之间的爱今天我要说的是妈妈的爱。
星期三放学时，正下着蒙蒙细雨。
我只好拿书包顶在头上，走到十字路口的小店旁时，大雨突然倾盆而下，我急忙躲到了小店里。
我想：这下可惨了，我没带雨伞而且今天说好自己回家的，爸爸、妈妈一定还在厂里上班呢？没人来接我，怎么办呢？这场雨如果下个不停的话，那我作业就要来不及做了呀！正在我发愁的时候，远处有一个身影向我走过来。
“啊！怎么会是妈妈呢？她不是在厂里上班吗？怎么会到这儿来接我呢？”我的眼睛瞪得像哥伦布发现新大陆一样。
大不一会儿，妈妈就来到了我的身旁，还不停的问我：“有没有淋到雨？有没有淋到雨”就见妈妈把外衣脱下来裹在了我的身上。
回到家我才发现妈妈的身上、头上都湿透了。
因为一路上妈妈总是把伞往我这边撑，自己却没撑到多少。
这时我禁不住流下了两行热泪。
只听见妈妈说：“厨房里有饭，自己拿来吃吧，妈妈还要去上班呢？”我嘴里说：“您不要管我了，我自己会弄的，您还是上班去吧！”可心里却想：妈妈你都淋湿，来的及的话把衣服换一下吧，否则会生病的。
可我知道妈妈没那么多时间，她把时间都用在我身上了。
妈妈，你对我的好、对我的爱，我都记载心理了。
以后我会好好学习，用优异的成绩来报答你对我的爱，您就放心吧。
舌尖上的滋味一模作文厨房里油烟机轰鸣着，妈妈忙碌的身影在厨房中劳作着，一丝菜香飘进了我的房间。
不由得停笔一嗅，妈妈味道，依然如故的温暖，此刻在我心中漾开…… 油烟机的轰鸣声停止了，妈妈的声音响起——“燨，吃饭啦——”，写完最后一行字，放下手中的笔，起身来到厨房，妈妈已经盛好了饭，摆好了碗筷。
桌上的菜飘着诱人的香味，还散发着腾腾的热气。
菜，是家常便饭。
红烧螃蟹、猪筒骨板栗汤、玉米丁，还有我四点半做好的布丁。
不知为什么，心中竟莫名地涌上几分感动。
招呼爸爸来到餐桌旁，我们开动了。
这餐饭，虽不算金盛玉宴，但也令人垂涎三尺。
红通通的两只螃蟹静静地卧在 的豆腐里，下面是浓汤，淡色的，衬得那盘螃蟹成了可供观赏的风景。
一旁的玉米丁放了好多料：淡**的玉米饱满糯软；土**的豆腐干软口留香；乳白的茭白滑爽清香；红萝卜小小的，是盘中鲜艳的玛瑙。
整道菜好像一盘五颜六色的宝石，仿佛泛着淡淡的光芒一般。
掰开螃蟹，流出金色的蟹黄。
吸一口，鲜美无比，螃蟹的肉，又白、又嫩、又多，刚吃完半只，我就满嘴流油，手上滑腻腻的。
妈妈吃螃蟹很有淑女风范，先轻轻地拉下螃蟹的一只脚，轻轻捏起送到嘴边，轻轻地咬上一小口，慢慢地嚼起来，好像在细细地品味。
爸爸说吃螃蟹太麻烦，拔下两只蟹钳，分别送到我和妈妈的碗边。
继而抓起剩下的蟹肉，在醋里蘸了一下，送到嘴边，一大口咬下去。
正蘸了一下醋，准备解决另一半蟹肉的时候，妈妈开口了，“今天买螃蟹……又被……夹了”，赶紧拉过妈妈的手指，中指上有三个小洞，血丝已经干了，但那三个小洞似乎扎得挺深。
摸了摸，妈妈眉头蹙了蹙。
妈妈，还疼吗？您知道我喜欢吃螃蟹，每到周末，您都为我烧上一盘，红烧的，清蒸的，油炸的……您为了挑大点儿，肥点儿的螃蟹，手被夹了多少次了。
妈妈，这份痛苦，您独自承受了。
您对我的爱，给我的温暖，也在每一餐饭中生根发芽。
妈妈，你不知道我的心里是怎样的滋味…… 吃完了饭，是甜点布丁。
布丁嫩滑柔软，含在口中仿佛要化了。
妈妈，这杯布丁可是女儿为您做的，您感受到了吗？您轻轻地舀起一小勺嫩**的布丁，送进嘴里，闭上眼睛，好像陶醉在布丁的美味中了。
看着您满足的神情，我的心底又涌上了一丝感动，一丝辛酸…… 妈妈的温暖，一直留在了我的舌尖，我的心田。
那份布丁的甜蜜，妈妈，您感觉到了吗？
我们班的新鲜事（作文）这是你们班的事老师肯定知道你抄别人的老师一看想咱们班没这事啊你就倒霉了要重新写所以还不如自己写我们班的新鲜事 在我的生活中有着许许多多的新鲜事，其中有一件事还在我的脑子中。
那就是在我上五年级时发生的一件事。
记得那天早上，我早早地来到了学校后，准备拿出与语文书复习功课。
当我拿出书后，班上一个有个性的男同学来了。
在场的人都惊呆了，因为他并没有穿校服，而是穿了一件我们认为是乞丐服的衣服。
我们之所以这样认为是因为他穿的是自己一条已经缝了几个补丁的牛仔裤。
蓝色的牛仔裤搭配了一件运动拉锁的两件套。
我们可惊呆了，我们这些被关在“鸟笼”的“小鸟”是不敢想象的。
我们立刻围在他身边询问起他“为什么要穿这种衣服？”或“你怕不怕老师批你？”他却对我们的问题很不屑，以为他说：“只要是自己喜欢的事或东西，不要拘束于别人对你的看法。
”他还告诉我们：“只要自己懂得欣赏自己，不要管别人欣赏不欣赏。
走自己的路让别人说去吧！＂这个男同学虽然被老师批了，可他的这些话一直在我的脑子里徘徊。
所以我经过这件事之后，觉得自己只是这大千世界中的一个，世界是多么的大，是我们现在所不知道的！ 这就是我们班上的一件“惊天动地”的大事情，也是我明白了许多那就是————自己的生活是自己创造的，而不是别人帮你创造的！
关于写北京烤鸭的作文。要色,香,味,形俱全。
不可抄！！！！
北京烤鸭 同学们，今天我给大家介绍的是北京烤鸭。
北京烤鸭是北京驰名中外的京菜代表之一。
讲到北京烤鸭，那可是脍炙人口，盛名鼎鼎。
吃烤鸭，北京最著名的一家便是前门外的全聚德烤鸭店了，在那儿，每天应市的烤鸭约有百把只，人们吃烤鸭都要在前一二天预定，才能入座。
北京烤鸭味儿好，看相也好。
橘**的鸭皮里包着外脆内嫩的鸭肉，令人垂涎三尺。
裹上葱白、沾上甜酱吃更是满口留香，异常鲜美。
北京烤鸭的做法非常复杂：先要把处理后的鸭子在入炉之前，灌进开水，这样烤鸭子时，鸭子才会熟得快，也会使鸭肉外脆内嫩。
接下来就是烤了。
鸭子进炉后，先烤鸭子被刀切了的右背侧，使热气从刀口处进入鸭膛，把鸭肚子里的水煮沸。
烤了6至7分钟后，当鸭子右背侧的鸭皮烤成橘**时，就翻过来，用火烤鸭子的左背侧3至4分钟，然后烤鸭背4至5分钟，接着就照上面的步骤循环地烤，直到鸭肉全部上色成熟为止。
这样烤出来的鸭子，鸭皮鲜黄松脆，肉质鲜嫩。
这样，烤鸭就做好了。
烤鸭上桌后，有专业的切割员把鸭肉切成薄薄的肉片，包在鸭肉外面的薄饼也讲劲道。
吃完鸭子后剩下的鸭架子可以加上嫩豆腐或黄牙白做成汤，鸭油能用来熬蛋，做成布丁似的菜，吃起来也妙不可言。
吃烤鸭时也挺有讲究。
我喜欢把鸭片沾上甜酱和葱白来吃，真是“口水直流三千尺”呀！难怪北京烤鸭有“天下第一美味”、“京师美食，莫过于鸭，而炙者尤佳”的赞语呢！ 同学们，听了我的介绍，你们是不是也“口水直流三千尺”了呢？那就赶快行动起来，向着“北京烤鸭”进军吧。
关于爱的作文,600字左右我的妈妈像世界上所有的妈妈一样爱我。
但妈妈的爱又和其他妈妈的不一样。
她不仅能像普通城市妈妈一样给我织毛衣、做饭，而且能干农村妈妈的绝活：亲手为我设计缝制衣服、鞋子。
还能像所有军人妈妈一样对我进行严格的养成训练，让我具有雷厉风行的作风。
妈妈还能像一切老师妈妈一样，教我语文、数学、英语，她是我的全科辅导老师。
妈妈对我的教育很注意方法。
我小时候特别爱吃零食，尤其是果冻布丁。
纠缠不过 我，妈妈就给我讲故事：“在一个郊区，有一个做布丁的作坊，里面有15口大缸，缸里盛着淀粉做成的稀糊糊，看样子已经放了半个月了，缸上长满白毛、红毛、绿毛。
苍蝇成群结队在缸里觅食；蚊子唱着歌儿在缸上跳舞。
污水在地上横流，长时间没洗手的工人正在往缸里放色素。
色彩鲜亮的布丁就要出锅了，我的馋猫儿子就要吃到嘴里了……”我忙问：“真的吗？是真的吗”？以后每次拿起布丁我就会想起妈妈讲的故事，再没有吃零食的坏习惯了。
期终考试时，考完一门我就心事重重地给妈妈说我哪道题做错了，心里难过。
妈妈就会十分干脆地说：“成事不说，遂事不谏，既往不咎。
”然后摸着我的脑袋说：“心里想着下一门课。
”现在我长大了，妈妈不再事无巨细地照顾我，相反，走在大街上我是妈妈的保镖兼行李工，每当这个时候她都用信任、自豪的目光看着我，我知道她在用博大的爱把我培养成人。
北京烤鸭的作文
北京烤鸭 同学们，今天我给大家介绍的是北京烤鸭。
北京烤鸭是北京驰名中外的京菜代表之一。
讲到北京烤鸭，那可是脍炙人口，盛名鼎鼎。
吃烤鸭，北京最著名的一家便是前门外的全聚德烤鸭店了，在那儿，每天应市的烤鸭约有百把只，人们吃烤鸭都要在前一二天预定，才能入座。
北京烤鸭味儿好，看相也好。
橘**的鸭皮里包着外脆内嫩的鸭肉，令人垂涎三尺。
裹上葱白、沾上甜酱吃更是满口留香，异常鲜美。
北京烤鸭的做法非常复杂：先要把处理后的鸭子在入炉之前，灌进开水，这样烤鸭子时，鸭子才会熟得快，也会使鸭肉外脆内嫩。
接下来就是烤了。
鸭子进炉后，先烤鸭子被刀切了的右背侧，使热气从刀口处进入鸭膛，把鸭肚子里的水煮沸。
烤了6至7分钟后，当鸭子右背侧的鸭皮烤成橘**时，就翻过来，用火烤鸭子的左背侧3至4分钟，然后烤鸭背4至5分钟，接着就照上面的步骤循环地烤，直到鸭肉全部上色成熟为止。
这样烤出来的鸭子，鸭皮鲜黄松脆，肉质鲜嫩。
这样，烤鸭就做好了。
烤鸭上桌后，有专业的切割员把鸭肉切成薄薄的肉片，包在鸭肉外面的薄饼也讲劲道。
吃完鸭子后剩下的鸭架子可以加上嫩豆腐或黄牙白做成汤，鸭油能用来熬蛋，做成布丁似的菜，吃起来也妙不可言。
吃烤鸭时也挺有讲究。
我喜欢把鸭片沾上甜酱和葱白来吃，真是“口水直流三千尺”呀！难怪北京烤鸭有“天下第一美味”、“京师美食，莫过于鸭，而炙者尤佳”的赞语呢！ 同学们，听了我的介绍，你们是不是也“口水直流三千尺”了呢？那就赶快行动起来，向着“北京烤鸭”进军吧。
小学生六年级作文我的理想当一名甜品师400字从软滑绵密的提拉米苏，到细致香鲜的卡布基诺，各种各样的材料在那双神奇的双手的调和与塑造下，像有的了生命般，静静的散发出馥郁的香气，难忘的美味口感，源自于那双神奇的双手，他有一个平凡的名字——糕点师。
很久以前的事了，当时第一次吃着咖啡巧克力的小蛋糕，看着漂亮的小蛋糕，闻着馥郁的香气，挖一勺，在嘴巴里慢慢融化着，稠香的气味，软绵绵的触感。
还有我第一次去必胜客吃比萨，记得当时有一道甜点叫提拉米苏，就是这两道甜点让我尝到了一种享受的感觉。
于是，我便有了一个想法：我要当一名糕点师，做出甜美的味道，让大家都能体验这种享受的感觉。
想象着在干净明亮的操作间，那些在视觉与口感上给人双重享受的西点，随着自己的摆放、塑形、烹烤，用心做着，新鲜出炉了。
这是多么美好的事情啊！如果客人允许我自由为他们选择口味，我会为小朋友制作水果布丁。
新鲜诱人的水果，可爱的布丁，甜甜的，小孩子的挚爱。
如果是一位姿色平庸的女孩，我会挑选巧克力口味的榛子夹心蛋糕，并在上面覆盖上柔滑的奶油与樱桃。
因为有内涵的人也别样诱人。
对于我自己呢，轻柔的玛奇朵和软滑的提拉米苏都是我的钟爱。
或许，我会制作持更加独特的西点甜品。
每一道西点都有不同的含义，提拉米苏寓意带我走，伊莎莉卡寓意暗恋等等。
而糕点师在用自己的心制作时，就仿佛在编造一个个美丽的故事，在描绘一幅幅精美的图画，在孕育一个可爱的生灵。
是多么美好又有趣啊！糕点师既不像明星般耀眼，也没有农民般朴实，更没有发明家般伟大，他们只是一个平凡的劳动者，但他们总是默默的奉献着，他们是生活中必不可少的部分。
而我，也要做一个不可缺少的糕点师。
到了现在，我开始策划起如何实现梦想。
首先我必须达到一定的年龄——大约18、19岁，到了那时，我会有空闲的时间去学习糕点的做法了。
同时，我还要去电脑上查一些制作糕点的方法，自己也学着做一做。
最后，我要去专门制作甜点的学校中学习一下。
这样，我的梦想肯定就会实现。
理想是人生导航的灯塔，我的灯塔已经打开灯光，迎接我那一艘艘迷失的小船。
一个脚跟踩扁了紫罗兰，而它却把香味留在那脚跟上，这就是宽容。
——安德鲁·马修斯自古以来，狭隘向来是小人们的专有名词，它一直为人们所不耻。
庞涓是狭隘的，他不愿孙膑胜于他，施加毒手，最后兵败身亡；周瑜是狭隘的，他不肯诸葛亮胜于他，百般暗算，最后被诸葛亮三气吐血而死；慈禧下棋，别人吃他一马，她杀对方一家，死后为人们所辱骂……这都是有了狭隘之心的结果，告别狭隘之心，以宽容的胸襟包容他人，则取信于他人，也成就了自己。
有一次楚庄王邀众大臣共饮，请嫔妃助兴，风把烛火吹灭时，一武将醉酒失态拉了妃子的衣襟，但楚庄王以一颗宽广的心宽容了他，巧妙解围。
这位武将由是感激在下一次战役中奋勇杀敌。
这便是宽容的价值。
刘秀大败王郎，攻入邯郸，检点前朝公文时发现大量讨好王郎，辱骂甚至谋划刺杀刘秀的公文。
但刘秀不听众臣劝阻，全部付之一炬，他说：“如果追查，必会引起人们的慌乱，甚至成为我们的死敌。
如果宽容他们，则能化敌为友，壮大自己的队伍。
”是刘秀的宽容才使他终成帝业，统一全国。
从古至今，没有一个心胸狭隘者能成就大事。
宽容是每个人应遵循的守则。
林肯对政敌素以宽容着称，这引起了一位议员的不满。
他说：“你不该试图和那些人交朋友，应该消灭他们。
”林肯笑着回答：“当我们把他们变成自己朋友时，不正是消灭了自己的敌人吗？”这正是对宽容的最好诠释。
如果天空不宽容，容忍不了风雨雷电的一时肆虐，何来它的辽阔之美；如果大海不宽容，容忍不了惊涛骇浪的一时猖獗，何来它的深邃之美；如果森林不宽容，容忍不了弱肉强食的一时规律，何来它的原始之美；如果宇宙不宽容，容忍不了星座裂变的一时更替，何来它的神秘之美；如果时间不宽容，容忍不了各色人等的一时虚掷，何来它的延续之美……是宽容成就了它们。
泰山不辞杯土，方能成其高；江河不择细流，方能成其大。
是宽容缔造了它们。
只有告别狭隘之心，方能进入一个神清气爽的境界。
让我们告别狭隘之心，用宽容之心包容一切，学做那多留人清香的紫罗兰。
转载请注明出处 » 在家里自制布丁怎么做？