名詞解釋
OLAP的基本分析操作：上卷（rollup）、下鑽（drilldown）、切片切塊（slicingand dicing），原始數據經過聚合以及整理後變成一個或多個維度的視圖。
傳統OLAP根據數據存儲方式的不同分爲ROLAP（Relational OLAP）以及MOLAP（Multi-dimensionOLAP）
ROLAP 以關係模型的方式存儲用作多維分析用的數據，優點在於存儲體積小，查詢方式靈活，然而缺點也顯而易見，每次查詢都需要對數據進行聚合計算，爲了改善短板，ROLAP使用了列存、並行查詢、查詢優化、位圖索引等技術
MOLAP 將分析用的數據物理上存儲爲多維數組的形式，形成CUBE結構。維度的屬性值映射成多維數組的下標或者下標範圍，事實以多維數組的值存儲在數組單元中，優勢是查詢快速，缺點是數據量不容易控制，可能會出現維度爆炸的問題。
事實表
維度表
cube：Cube本身可以認爲是不同維度數據組成的datase
dimension：維度，每個cube有多個維度
Cuboid：Cuboid上的數據是原始數據聚合的數據
measure
hive
Hbase
rowKey：dimension
family：measure
逐層算法
逐段算法（fast cubing）
增量Cubing
Cube 優化：
Hierachy Dimension
Derived Dimension
Aggregation Group
Hierachy Dimension， 一系列具有層次關係的Dimension組成一個Hierachy， 比如年、月、日組成了一個Hierachy， 在Cube中，如果不設置Hierarchy， 會有 年、月、日、年月、年日、月日 6個cuboid， 但是設置了Hierarchy之後Cuboid增加了一個約束，希望低Level的Dimension一定要伴隨高Level的Dimension 一起出現。設置了Hierachy Dimension 能使得需要計算的維度組合減少一半。
Derived Dimension, 如果在某張維度表上有多個維度，那麼可以將其設置爲Derived Dimension， 在Kylin內部會將其統一用維度表的主鍵來替換，以此來達到降低維度組合的數目，當然在一定程度上Derived Dimension 會降低查詢效率，在查詢時，Kylin使用維度表主鍵進行聚合後，再通過主鍵和真正維度列的映射關係做一次轉換，在Kylin內部再對結果集做一次聚合後返回給用戶
Aggregation Group， 這是一個將維度進行分組，以求達到降低維度組合數目的手段。不同分組的維度之間組成的Cuboid數量會大大降低，維度組合從2的（k+m+n）次冪至多能降低到 2的k次冪加2的m次冪加2的n次冪。Group的優化措施與查詢SQL緊密依賴，可以說是爲了查詢的定製優化。 如果查詢的維度是誇Group的，那麼Kylin需要以較大的代價從N－Cuboid中聚合得到所需要的查詢結果，這需要Cube構建人員在建模時仔細地斟酌。
distinct count聚合查詢優化：
Apache Kylin 採用了HypeLogLog的方式來計算DistinctCount。好處是速度快，缺點是結果是一個近似值，會有一定的誤差。在非計費等通常的場景下DistinctCount的統計誤差應用普遍可以接受。
Fast Cubing
http://www.infoq.com/cn/articles/apache-kylin-algorithm/
http://mt.sohu.com/20160628/n456602429.shtml
早期Kylin中的cube構建
http://blog.csdn.net/yu616568/article/details/50365240
http://www.bitstech.net/2016/01/04/kylin-olap/
Kylin任務調度模塊
http://blog.csdn.net/yu616568/article/details/48104623
