4．关于 FineBI 的 FineIndex 和 FineDirect 功能

hadoop 是底层，hive 是数据库，上述案例采用的是 FineIndex（cube 连）

连接，用的是 hiveserver 的方式进行数据连接的；数据连接成功之后，将 hive
数据库中的表添加到业务包中，也就是将库中数据拿到我们的多维数据库
（FineIndex），当然抓取的过程中也可以读取数据库关联和转义，也可以手动
转 义 和 进 行 关 联 ， 同 时 也 可 以 做 一 些 etl 操 作 如 新 增 公 式 列 / 行 列 转 换
/join/union/过滤/分组统计/自循环列/新增分组列/使用部分字段等，做过处理
的这些数据表用于前端分析。

也就是说数据库-FineIndex-前端分析，这里的 FineIndex 相当于一个中间

库的形式，用来存储数据表，关联转义索引等。这些都对后续前台分析处理数据
效率有很大的提升（因为直接 sql 取数，效率受数据库本身的限制，数据量大时，
一般分析工具很容易就卡死升职内存溢出导致系统无响应），这也是 FineIndex
方案的初衷。FineIndex 存在有两个意义，一个是提升效率，一个就是对数据进
行二次整合处理。

FineBI 还有一个连接方式 FineDirect（数据库直连），主要是应对如下需

求：
 分析结果的实时性

企业用户在使用 BI 工具的时候，多数情况下是对大量的历史数据进行 OLAP

分析，但是也有部分用户需要展现结果的实时性。例如金融行业对于交易风险的
分析，是对每一笔流水实时进行分析的，如果需要经过构建多维数据库的过程，
数据到来就会有延迟，影响分析结果的准确性。但是因为计算的过程交给了数据
库，响应速度更多的取决于数据库的性能。
 大数据平台的充分利用

随着各种分布式计算方案的不断优化，数据的计算性能也有了快速的发展，

计算能力有了显著的提高，不少企业已经有了自己的大数据计算平台，例如
hadoop，kylin，greenplum，vertica 等，这些平台的对于大数据量的处理性能
已经足以满足使用需求，不再有建模的需求，因此 FineBI 直连引擎提供了对接
这些数据平台的功能。