Apache Kylin 优化指南
一. 维度优化
为什么需要维度优化
如果不进行任何维度优化，直接将所有的维度放在一个聚集组里，Kylin将会计算所有的维度组合（cuboid）。比如，有12个维度，Kylin 就计算2的12次方即4096个cuboid，实际查询可能用不到cuboid 不到1000个，甚至更少。如果进行围堵优化，会造成集群计算和存储资源的浪费，也会影响cube的build和查询性能。
当你保存的cube时遇到下面的异常信息时，意味着一个聚合组已经大于4096，你就必须进行维度优化了。
如何计算1个聚合组的维度组合数
当有层次维度时，公式如下：
(hierarchy.size()+1) * hierarchyDimsList.size() * (1 << jointDimsList.size()) * (1 << normalDims.size())
当没有层次维度时，公式如下：
(1 << jointDimsList.size()) * (1 << normalDims.size())
如何进行维度优化
确认你设置的cube维度都是你查询时用到的。
维度优化手段
- 聚合组
- 衍生维度
- 强制维度
- 层次维度
- 联合维度
- Extended Column
聚合组
聚合组：用来控制那些cuboid 需要计算
适用场景： 不是只需要计算base cuboid 的情况下，都需要聚合组。
注意事项：一个维度可以出现在多个聚合组中，但是build 期间只会计算一次。
衍生维度
衍生维度：维度中可以由主键导出的维度作为衍生维度。
使用场景：以星型模型接入时。例如用户维度表可以从userid 推导出用户的姓名，年龄，性别。
优化效果：维度表的N个维度组合成的cuboid个数会从2的N次方为2
Mandatory维度
强制维度： 所有cuboid必须包含的维度，不会计算不包含cuboi。
适用场景：可以将确定在查询时一定会使用的维度设置为强制维度，例如，时间维度
优化效果：将一个维度设置为强制维度，则cuboid 个数系那个直接减半。
Hierachy维度
层次维度：具有一定的层次关系的维度
使用场景：像 年，月，日；国家，省份，城市 这类具有层次关系的维度。
优化效果： 将N个维度设置为层次维度，则这N个维度组合成的cuboid 个数会从2的N次方减少到N+1。
Joint维度
联合维度：将几个维度视为一个维度
使用场景： 1 可以将确定在查询时一定会同时使用的几个维度设为一个联合维度。
2 可以将基数很小的几个维度设为一个联合维度。
3 可以将查询时很少使用的几个维度设为一个联合维度。
优化效果：将N个维度设置为联合维度，则这N个维度组合成的cuboid个数会从2的N次方减少到1。
Extended Column
在OLAP分析场景中，经常对某个id 进行过滤，但查询结果要展示为name的情况，比如user_id 和 user_name。
这类问题的三种解决方式：
a. 将ID和name 都设置为维度，查询语句类似select name, count(*) from table where id = 1 group by id,name。这种方式的问题是会导致维度增多，导致预计算结果膨胀；
b. 将id 和name 都设置为维度，并且将两者联合。这种方式的好处是保持维度组合不会增加，但是限制了维度的其他优化，比如id 不能在设置为强制维度活着是层次维度；
c. 将id 设置为维度，Name设置为特殊的Measure,类型为Extended Column。这种方式既能保证过滤id且查询name的需求。
所以此类需求我们推荐使用 Extended Column。