Kylin的工作原理本质上是MOLAP(Multidimensional Online Analytical Processing) Cube，也就是多维立方体分析。
在说明MOLAP Cube之前先介绍维度(Dimension)和度量(Measure)这两个概念。维度：观察数据的角度，正常是时间，地点等不用于计算的值；度量：指被聚合的统计值，也就是聚合运算的结果，可以是销售额，销售商品数量等统计值。
给定一个数据模型，可以对其上的所有维度进行组合。对于N个维度来说，组合的所有可能性共有2^N种。对于每一种维度的组合，将度量做聚合运算，然后将运算的结果保存为一个物化视图，称为Cuboid。所有维度组合的Cuboid作为一个整体，成为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。
举一个例子解释一下上面的说法。假设有一个电商的销售数据集，其中有4个维度和一个度量，维度为时间(Time)、地点(Location)、商品(Item)和供应商(Supplier)，度量为销售额(GMV)。那么所有维度就有2^4=16种(如图)，比如一维度(1D)的组合有[Time]、[Item]、[Location]、[Supplier] 4种；二维度(2D)的组合有[Time, Item]、[Time, Location]、[Time, Supplier]、[Item, Location]、[Item, Supplier]、[Location, Supplier] 6种；三维度(3D)的组合也有4种；最后零维度(0D)和四维度(4D)的组合各有1种，总共16种。
计算Cuboid，即按维度来聚合销售额。如果用SQL语句来表达计算Cuboid[Time, Location]，那么SQL语句如下：select Time, Location, Sum(GMV) as GMV from Sales group by Time, Location；将计算的结果保存为物化视图，所有Cuboid物化视图的总称就是Cube。
Kylin的工作原理就是对数据模型做Cube预计算，并利用计算的结果加速查询，具体过程如下：1.指定数据模型，定义维度和度量。2.预计算Cube，计算所有Cuboid并保存为物化视图。3.执行查询时，读取Cuboid，运算，产生查询结果。