维度与度量
维度就是观察数据的角度。比如电商的销售数据，可以从时间的维度来观察，也可以进一步细化从时间和地区的维度来观察。
度量就是被聚合的统计值，也是聚合运算的结果
给定一个数据模型，我们可以对其上所有维度进行组合。对于N个维度来说，所有组合的可能性有2N种。对每一种维度的组合，将度量做聚合运算，运算的结果保存为一个物化视图，称为Cuboid。将所有维度组合的Cuboid作为一个整体，被称为Cube。所以简单来说，一个Cube就是许多按维度聚合的物化视图的集合。
Cube模型
Cube模型是以多维数组的方式，物化到存储系统中，加快后续的查询。<br>
它是一个数据立方体，类似魔方的形状。不管从哪个维度查询都很快，而且查询时各个维度可以灵活进行组合。
因为提前做好了聚合运算，所以性能上非常优秀。但生成CUBE需要大量的时间、空间。维度的预处理也可能会导致数据的膨胀。
一个多维数据集称为一个OLAP Cube，Cuboid是其中的一个组合数据集，例如城市、品类、月份这三个维度，形成共八种组合的数据集。<br>
Cube 优化
衍生维度
如果从维度表主键到某个维度表维度所需要的聚合工作量非常大，则不建议使用衍生<br>维度。
缺点:
衍生维度用于在有效维度内将维度表上的非主键维度排除掉，并使用维度表的主键（其<br> <br>实是事实表上相应的外键）来替代它们
使用聚合组
强制维度（Mandatory）
强制维度自己只能出现和自己有关的如A,AB,AC,ABC
层级维度（Hierarchy)
使用A->B作为层级维度 :A ,C,AB ,AC, ABC
联合维度（Joint）
使用[AB]作为联合维度:C ,AB,ABC
Cube 构建参数调优
Kylin 根据 Cube 情况自动设置 Spark 参数
根据实际情况手动设置 Spark 参数
