多路陣列聚集其實就是對維度(dimension)進行選擇，保留一些常用的可以很方便地生成別的子立方體的立方體(cube)。對乙個維做聚集(aggregation)其實就是按照這個維度的方向做加法，把這個維度的值縮減成乙個。比如3d的按照某一維降成2d,最終降成0d的也就是數多維陣列裡面非零元素的個數了（假設陣列元素是0-1）。
當把多維陣列檔案分割成可以放進記憶體的塊(chuck)時，我們希望盡可能減少需要重新載入塊的操作，也就是減少i/o，盡可能需要這塊的操作都一次完成。也就是每個塊只是被載入一次。這個是很容易做到的，但是不同的塊載入順序在維度聚集的時候會需要不同的快取大小，而各個維度的聚集是同時進行的，所以需要乙個合適的載入塊的順序使得所需要的快取最小。
比如，乙個三維的立方體abc，我們要聚集成ab、ac、bc三個二維的立方體，這三個聚集是同時做的，所以按照什麼樣的順序載入chuck會影響到這三個聚集中間資料要儲存時間的長短，進而影響所需要的快取到小（因為需要儲存中間結果越多，所需快取越大）。
如果a、b、c的基數分別是40，400，4000，每個維度分4段，一段構成乙個chuck的邊。那麼chuck取的順序應該是按照基數由小到大的維度，也就是先a後b再c。
原因是先a維，那麼bc可以按照最小的面積（100×1000）在bc方向的面做聚集。
而後b維，那麼ac就要按照整個a軸乘以c的一塊（40×1000），因為至少當第4塊取完。第5塊開始取的時候，才能拋棄開始更新第一塊的值，所以在第一塊的值能夠被更新以前，所有的中間結果都要保留。
最後c維，那麼ab就要按照整個ab面做聚集（40×400）。原因是第一塊，的值要等到第17塊載入的時候才能被更新，所以在這之前計算的中間值都要被儲存。
總結來說，就是看到第x塊被載入的時候，第1塊被更新（因為這塊的載入），那麼從1到(x-1)塊在當前不需要做聚集的維度上的「超面積」（也就是各個維的基數乘起來）就是所需要的快取數。另外一種說法，就是1到(x-1)塊的側面積之和（不需要聚集的維度上）。
出處：
方體計算的多路陣列聚集方法
步驟 1 將陣列分成塊 chunk,乙個可以裝入記憶體的小子方 2 壓縮的稀疏陣列定址 chunk id,offset 3 通過訪問立方體單元，計算聚集。可以優化訪問單元組的次序，使得每個單元被訪問的次數最小化，從而減少記憶體訪問和磁碟i o的開銷。哪個是多路陣列聚集的最佳遍歷次序？方法 各平面要按...
完全立方體計算的多路陣列聚集 MultiWay
看資料探勘書的時候，遇到該演算法，鬱悶了好幾天終於搞明白了，現在分享一下自己的理解。這裡只解釋一下3 d陣列中2 d陣列的計算，3 d陣列的圖可以參照 資料探勘概念與技術 韓家煒 中的資料立方體中的圖。多路陣列聚集演算法，該演算法的思想是 也算是最後的結論 將最小的平面放在記憶體中，對最大的平面每次...
swift學習之路 陣列
學習參考位址 1 建立及初始化陣列 var shoppinglist water book food println shoppinglist 1 shoppinglist 2 food from china println shoppinglist 這是最初級的建立陣列，並且通過下標key訪問陣列...