前言
本文隶属于专栏《大数据技术体系》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！
本专栏目录结构和参考文献请见大数据技术体系
正文
Cube 在创建之后只有定义，而没有计算的数据，它的状态是“DISABLED”，是不会被查询引擎挑中的。
关于 Cube 和 Cuboid 请参考我的博客——Cube技术是什么？
要想让 Cube 有数据，还需对它进行构建。
Cube 的构建方式通常有两种：全量构建和增量构建，两者的构建步骤是完全一样的，区别只在于构建时读取的数据源是全集还是子集。
Cube 的构建包含以下步骤，由任务引擎调度执行：
- 创建临时的 Hive 平表（从 Hive 中读取数据）：
- 计算各维度的不同值，并收集各 Cuboid 的统计数据；
- 创建并保存字典；
- 保存 Cuboid 统计信息；
- 创建 HTable；
- 计算 Cube （一轮或若干轮计算）；
- 将 Cube 计算结果转成 HFile；
- 加载 HFile 到 HBase；
- 更新 Cube 元数据；
- 垃圾回收。
预计算会连接运算符，将事实表和维表连接为一张大表，也称平表。
创建字典由多个子任务完成，分别是抽取列值、为高基数列构建字典、创建字典、保存统计信息、物化维表、从全局字典得到构建要用到的字典。 是否使用字典用户可以在创建 Cube 的时候进行选择，使用字典的好处是有很好的数据压缩率，可以减少存储空间，同时提升读的速度。 缺点是构建字典需要占用较多的内存资源，创建维度基数超过千万的 Cube 时容易造成内存溢出。 虽然可以通过调换外存来解决，但也是以降低速度为代价。 如果 Cube 用到的维度表是视图，会根据这个视图物化一张临时表，之后的构建都会使用与维表视图相对应的临时表。
上述步骤中，前五步是为计算 Cube 而做的准备工作，如遍历维度值来创建字典，对数据做统计和估算以创建 HTable 等。
第六步是真正的 Cube 计算，取决于使用的 Cube 算法，它可能是一轮 MapReduce 任务，也可能是 N (在没有优化的情况下， N 可以被视作维度数)轮迭代的 MapReduce。
由于 Cube 运算的中间结果是以 SequenceFile 的格式存储在 HDFS 上的，所以为了导入 HBase，还需要进行第七步操作，将这些结果转换成 HFile （HBase 文件存储格式）。
第八步通过使用 HBase BulkLoad 工具，将 HFile 导入 HBase 集群，这一步完成后，HTable 就可以查询到数据。
关于 BulkLoad 请参考我的博客——一篇文章搞懂 HBase 的 BulkLoad 机制
第九步更新 Cube 的数据，将此次构建的 Segment 的状态从“NEW”更新为“READY”,表示已经可供查询。
最后一步，清理构建过程中生成的临时文件等垃圾，释放集群资源。