我們知道，系統會對cuboid的資料進行分片處理。
但是預設的分片策略是隨機的，如果group by a,b 的查詢命中了某個cuboid，但是a=1 and b=1 的兩條資料在不同的機器上儲存，
那就要將這兩條資料返回到儲存引擎的driver(hbase裡是coprocessor)，再根據邏輯做聚合。
這樣就產生了乙個資料的優化空間。
如果我們將所有a 和b 值相同的資料都存在一台機器上，
那麼我們就可以在返回driver的時候，先在本地進行聚合。這樣不但節省了返回的資料量，也利用了各個機器的計算資源，解放了driver端的單台計算。
這個分片方式就是按維度分片
kylin構建cube優化
下面通過對kylin構建cube流程的分析來介紹cube優化思路。kylin會在cube構建的第一步先構建一張hive的中間表，該錶關聯了所有的事實表和維度表，也就是一張寬表。優化點 1.hive表分割槽優化，在構建寬表的時候，kylin需要遍歷hive表，事實表和維度表如果是分割槽表，那麼會減少遍...
Kylin 的優化以及使用總結
計算cube的儲存代價以及計算代價都是比較大的，傳統olap的維度 的問題kylin也一樣會遇到。kylin提供給使用者一些優化措施，在一定程度上能降低維度 的問題 cube 優化 hierachy dimension，一系列具有層次關係的dimension組成乙個hierachy，比如年 月 日組...
Kylin實戰 建立cube的優化
背景 kylin的維度組合優化 1 mandatory維度 2 hierarchy維度 3 derived維度 4 聯合維度 kylin的rowkey優化 1 編碼 2 順序 3 分片 了解olap cube的人都會知道，建立cube的過程中往往會出現 維度 問題。kylin是典型的multidim...