TL;DR

• 场景：Cube 被频繁增量构建导致 Segment 碎片增多、查询降速与存储膨胀。

• 结论：低峰期用手动 MERGE 兜底；长期用 Auto Merge + Retention 阈值自动治理；删除需先 Disable 再 Delete。

• 产出：完整操作清单、阈值策略案例、删除流程、JDBC 连接示例与错误速查卡。

版本矩阵

基本流程

在 Apache Kylin 中，手动触发 Segment 合并的步骤如下：

• 选择要合并的 Cube 和 Segments： 进入 Kylin Web UI，选择你要操作的 Cube，进入该 Cube 的详情页面。在“Segments”标签页下，可以看到当前 Cube 的所有 Segments。选择你希望合并的 Segments。

• 合并 Segments： 点击页面上的 “Merge Segment” 按钮。通常情况下，Kylin 会自动计算可以合并的 Segments。如果你想手动控制合并的 Segments，可以在弹出的对话框中手动选择你想合并的 Segments。

• 配置合并任务： 配置合并任务的参数，如目标时间范围等。Kylin 会根据你选择的 Segments 的范围自动填充一些默认的值。你可以根据需求调整这些参数。

• 启动合并任务： 完成配置后，点击 “Submit” 按钮。Kylin 将会创建一个新的合并任务（Job），该任务将在后台执行。你可以在 "Job" 页面查看任务的执行状态。

• 监控任务状态： 在 "Job" 页面，你可以查看合并任务的日志和状态。如果任务执行成功，你会看到新的 Segment 出现在 Segments 列表中，表示合并已经完成。

• 如果合并成功，新的合并后 Segment 会替代原来的多个 Segments，而旧的 Segments 将被 Kylin 自动清理。

需要注意的是，手动合并的操作可能会占用大量资源，因此在高负载时需要谨慎操作，并在合适的时间段执行合并任务。

手动触发合并 Segment

Kylin 提供了一种简单的机制用于控制 Cube 中 Segment 的数量：合并 Segment，在 WebGUI 中选中需要进行 Segments 合并的 Cube。

单击 Action => Merge

我们刚才分阶段进行了任务的 Build 操作，01-01、01-02、01-03、01-04 的任务，我们可以使用 Merge 来进行合并：

选中需要合并的 Segment，可以同时合并多个 Segment，但这些 Segment 必须是连续的，单击提交系统会提交一个类型为 MERGE 的构建任务，这里可以选择时间阶段，我选择的是 01-03 到 01-04：

提交任务，可以看到是一个 Merge 任务，看名字：【MERGE】，等待合并完毕：

合并完毕的结果如下图：

注意事项

• 在 MERGE 构建结束之前，所有选中用来合并的 Segment 仍然处于可用的状态

• 在 MERGE 类型的构建完成之前，系统将不允许提交这个 Cube 上任何类型的其他构建任务

• 当 MERGE 构建结束的时候，系统将选中合并的 Segment 替换为新的 Segment，而被替换下的 Segment 等待将被垃圾回收和清理，以节省系统资源

删除 Segment

使用 WebUI 删除 Cube 的 Segment，这里选择 Disable 就可以删除 Segment 了：

Disable 之后，可以看到下面的：DeleteSegment 操作，就可以删除指定的 Segment 了：

自动合并

手动维护 Segment 很繁琐，人工成本高，Kylin 中是可以支持自动合并 Segment。在 Cube Designer 的 Refresh Settings 的页面中有：

• Auto Merge Thresholds

• Retention Thresholds

Refresh Settings 的页面：

两个设置项可以用来帮助管理 Segment 碎片，这两项设置搭配使用这两项设置可以大大减少对 Segment 进行管理的麻烦。

Auto Merge Thresholds

• 允许用户设置几个层级的时间阈值，层级越靠后，时间阈值越大

• 每当 Cube 中有新的 Segment 状态变为 READY 的时候，就会自动触发一次系统自动合并

合并策略

• 尝试最大一级的时间阈值，例如：针对（7 天、28 天）层级的日志，先检查能够将连续的若干个 Segment 合并成为一个超过 28 天的大 Segment

• 如果有个别的 Segment 的事件长度本身已经超过 28 天，系统会跳过 Segment

• 如果满足条件的连续 Segment 还不能够累积超过 28 天，那么系统会使用下一个层级的时间戳重复寻找

案例 1 理解 Kylin 自动合并策略

• 假设自动合并阈值设置为 7 天、28 天

• 如果现在有 A-H 8 个连续的 Segment，它们的时间长度为 28 天（A）、7 天（B）、1 天（C）、一天（D）、一天（E）、一天（F）、一天（G）、一天（H）

• 此时，第 9 个 Segment 加入，时间长度为 1 天

自动合并的策略为：

• Kylin 判断时能够将连续的 Segment 合并到 28 天这个阈值，由于 Segment A 已经超过 28 天，会被排除。

• 剩下的连续 Segment，所有时间加一起 B+C+D+E+F+G+H+I < 28 天，无法满足 28 天的阈值，则开始尝试 7 天的阈值

• 跳过 A（28）、B（7）均超过 7 天，排除

• 剩下的连续 Segment，所有时间加在一起 C+D+E+F+G+H+I 达到 7 天的阈值，触发合并，提交 Merge 任务，并构建一个 SegmentX（7 天）

• 合并后，Segment 为：A（28 天）、B（7 天）、X（7 天）

• 连续触发检查，A（28 天）跳过，B+X（7+7=14）< 28 天，不满足第一阈值，重新使用第二阈值触发

• 跳过 B、X 尝试终止

案例 2 配置自动合并 4 天的 Segment

选中 Model，选择 Edit 进行编辑：

直接到 Refresh Setting 选项卡，将选项修改为，4 天：

后续将自动进行 Segment 的构建。

配置保留的 Segment

自动合并是将多个 Segment 合并为一个 Segment，以达到清理碎片的目的，保留 Segment 则是及时清理不再使用的 Segment。在很多场景中，只会对过去一段时间内的数据进行查询，例如：

• 对于某个只显示过去 1 年数据的报表

• 支持它的 Cube 其实只需要保留过去一年类的 Segment 即可

• 由于数据在 Hive 中已经存在备份，则不需在 Kylin 中备份超过一年的类似数据

可以将 Retention Threshold 设置为 365，每当有新的 Segment 状态变为 READY 的时候，系统会检查每一个 Segment。如果它的结束时间距离最晚的一个 Segment 的结束时间已经大于等于 RetentionThreshold，那么这个 Segment 将视为无需保留，系统会自动从 Cube 中删除这个 Segment。

保留策略示意图如下所示：

使用 JDBC 连接操作 Kylin

简单介绍

• 要将数据以可视化方式展示出来，需要使用 Kylin 的 JDBC 方式连接执行 SQL，获取 Kylin 的执行结果

• 使用 Kylin 的 JDBC 与 JDBC 操作 MySQL 一致

业务需求

通过 JDBC 的方式，查询按照日期、区域、产品维度统计订单总额/总数量结果

开发步骤

添加依赖

<dependency>  <groupId>org.apache.kylin</groupId>  <artifactId>kylin-jdbc</artifactId>  <version>3.1.1</version></dependency>

实现规划

• 创建 Connection 连接对象

• 构建 SQL 语句

• 创建 Statement 对象，并执行 executeQuery

• 打印结果

编写代码

我这里用 Scala 实现了，Java 也差不多

package icu.wzk.kylin
import java.sql.DriverManager
object KylinJdbcTest {
  def main(args: Array[String]): Unit = {    // 创建连接对象    val connection = DriverManager.getConnection("jdbc:kylin://h122.wzk.icu:7070/wzk_test_kylin", "ADMIN", "KYLIN")    // 创建Statement    val statement = connection.createStatement();    // 构建SQL语句    var sql =      """        |select        | t1.dt,        | t2.regionid,        | t2.regionname,        | t3.productid,        | t3.productname,        | sum(t1.price) as total_money,        | sum(t1.amount) as total_amount        |from        | dw_sales1 t1        |inner join dim_region t2        |on t1.regionid = t2.regionid        |inner join dim_product t3        |on t1.productid = t3.productid        |group by        | t1.dt,        | t2.regionid,        | t2.regionname,        | t3.productid,        | t3.productname        |order by        | t1.dt,        | t2.regionname,        | t3.productname        |""".stripMargin    val resultSet = statement.executeQuery(sql)    println("dt region product_name total_money total_amount")    while (resultSet.next()) {      // 获取时间      val dt = resultSet.getString("dt")      // 获取区域名称      val regionName = resultSet.getString("regionname")      // 获取产品名称      val productName = resultSet.getString("productname")      // 获取累计金额      val totalMoney = resultSet.getDouble("total_money")      // 获取累计数量      val totalAmount = resultSet.getDouble("total_amount")      println(f"$dt $regionName $productName $totalMoney $totalAmount")    }    connection.close()  }
}

测试运行

我们运行代码，可以看到如下的运行结果：

错误速查

其他系列

🚀 AI 篇持续更新中（长期更新）

AI 炼丹日志-29 - 字节跳动 DeerFlow 深度研究框斜体样式架 私有部署 测试上手 架构研究，持续打造实用 AI 工具指南！AI 研究-127 Qwen2.5-Omni 深解：Thinker-Talker 双核、TMRoPE 与流式语音🔗 AI模块直达链接

💻 Java 篇持续更新中（长期更新）

Java-174 FastFDS 从单机到分布式文件存储：实战与架构取舍 MyBatis 已完结，Spring 已完结，Nginx 已完结，Tomcat 已完结，分布式服务已完结，Dubbo 已完结，MySQL 已完结，MongoDB 已完结，Neo4j 已完结，FastDFS 正在更新，深入浅出助你打牢基础！🔗 Java模块直达链接

📊 大数据板块已完成多项干货更新（300 篇）：

包括 Hadoop、Hive、Kafka、Flink、ClickHouse、Elasticsearch 等二十余项核心组件，覆盖离线+实时数仓全栈！大数据-278 Spark MLib - 基础介绍 机器学习算法 梯度提升树 GBDT 案例 详解🔗 大数据模块直达链接