（48）Kylin Cube 构建原理

1 维度和度量

维度：即观察数据的角度。 比如员工数据，可以从性别角度来分析，也可以更加细化，

从入职时间或者地区的维度来观察。维度是一组离散的值，比如说性别中的男和女，或者时

间维度上的每一个独立的日期。因此在统计时可以将维度值相同的记录聚合在一起，然后应

用聚合函数做累加、平均、最大和最小值等聚合计算。

度量：即被聚合（观察）的统计值，也就是聚合运算的结果。 比如说员工数据中不同性

别员工的人数，又或者说在同一年入职的员工有多少。

2 Cube 和 Cuboid

有了维度跟度量，一个数据表或者数据模型上的所有字段就可以分类了，它们要么是维

度，要么是度量（可以被聚合）。于是就有了根据维度和度量做预计算的 Cube 理论。

给定一个数据模型，我们可以对其上的所有维度进行聚合，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，将度量值做聚合计算，然后将结果保存

为一个 物化视图 ，称为 Cuboid 。所有维度组合的 Cuboid 作为一个整体，称为 Cube 。

下面举一个简单的例子说明，假设有一个电商的销售数据集，其中维度包括时间 [time] 、

商品 [item] 、地区 [location] 和供应商 [supplier] ，度量为销售额。那么所有维度的组合就有 2 4 =

16 种，如下图所示：

 

一维度（ 1D ）的组合有： [time] 、 [item] 、 [location] 和 [supplier]4 种；

二维度（ 2D ）的组合有： [time, item] 、 [time, location] 、 [time,supplier] 、 [item, location] 、

[item, supplier] 、 [location, supplier]3 种；

三维度（ 3D ）的组合也有 4 种；

最后还有零维度（ 0D ）和四维度（ 4D ）各有一种，总共 16 种。

注意：每一种维度组合就是一个 Cuboid ， 16 个 Cuboid 整体就是一个 Cube 。