爲什麼要進行剪枝優化？
在沒有采取任何的優化措施的時候，Kylin會對每一個維度組合進行預計算，若有4個維度，則會有將近2^4 = 16個Cuboid需要進行計算。但是我們知道很多維度是：
- 1.不需要參與計算或者說不常用的
- 2.與其他的維度有一定的包含關係的
3.一定會跟其他維度一起進行查詢的
如果有10個維度那會有2^10=1024個Cuboid需要進行計算，雖然每個Cuboid的大小存在很大的差異，但是單單想到Cuboid的數量就足以讓人想象這樣大小的Cube對於構建引擎、存儲引擎的壓力會有多麼巨大，所以在構建維度較多的Cube時，剪枝優化是非常重要的。
剪枝優化效率檢測
- 檢查Cube的數量 -> 檢查被物化的Cube數量 (Meterialized)
- 檢查Cube的大小 -> expansion Rate (0-1000%是一個較爲正常的數字)
剪枝優化的方法
1. 使用衍生維度
即使用維度表的主鍵（也就是事實表的外鍵）來代替維度表的非主鍵維度，這種方式犧牲一部分運行時間性能來節省Cube的空間佔用目的。
2. 使用聚合組
聚合組假設一個Cube的所有維度均可以根據業務需求劃分爲若干組（或者一個組），由於同一組合內更有可能被同一查詢到，因此會表現出更強大的內在關聯
每一個組內，會包含三種可選的維度：
1.強制維度（Mandatory）
若爲強制維度，則該分組中每一個Cubiod都會包含這個維度，若該維度一定會出現在查詢中，則應當將其設置爲強制維度
2.層級維度（Hierachy）
每一個層級中應包含2-n個維度，這n個維度會以（）、（N1）、（N1，N2）、…、（N1， N2，…，Nn）這N+1種情況進行組合
3.聯合維度（Joint）
每一個聯合維度包括兩個或者更多的維度，聯合維度內的維度，要麼不出現，要麼必須一起出現。不同的聯合之間不應當有共同的維度
3. 粒度優化
粒度優化對應的是提高Cube的併發度，其設置是在自定義屬性中的
一共有三個屬性可以提高併發度。
1.kylin.hbase.region.cut（共使用幾個分區）
2.kylin.hbase.region.count.min（最少使用幾個分區）
3.kylin.hbase.region.count.max（最多使用幾個分區）
根據相對應的情況調高最少使用分區，降低最大使用分區，能夠有效增加系統的並行度。
4. (其他)RowKey優化
和Hbase 的RowKey優化類似
1.在查詢的過程中，被用作過濾條件的維度可能放在其他維度的前面
2.經常出現的維度應該放在前面
3.基數比較大的維度應該放在前面