2、维度、度量、事实表、维度表、立方体cube

维度通常是一个数据记录的属性，度量是某一个维度根据特定聚合函数生成的值；group by 的属性通常就是维度，计算的值则是度量。

事实表：存储有事实记录的表，如系统日志、销售记录等，事实表的记录会不断增长。

维度表：也称查找表，是与事实表相对应的一种表；保存了维度属性值，跟事实表做关联。是对事实表上重复出现的属性抽取、规范出来用一张表进行管理。如地区、月度、年度等。

data cube：数据立方体，原始数据建立的多维度索引，可以大大加快数据的查询效率。

cuboid：某一种维度组合下所计算的数据。

cubsegment：针对源数据中的某一个片段，计算出来的cube数据，cube是按照时间顺序来构建的。

    大数据事实表按照时间梯度的增量计算生成的cube，就是cubesegment，过多的segment会影响后期查询性能，需要进行合并。

维度表设计

1、数据一致性，主键唯一性，kylin会检查，如果不唯一，会报错。

2、维度表越小越好，因为kylin会放在内存中，默认的阈值是300mb

3、改变频率低,kylin会在每次构建中试图重用维度表的快照，如果维度表经常改变，重用会失效。

4、维度表最好不要是视图，因为需要对视图物化，从而增加时间开销。

维度基数：维度在数据集中出现的不通值，如国家这个维度，如果有200个不同的值，那么此维度的基数就是200。基数超过100w的维度通常被称为超高基数维度，需要注意。

如果一个cube的超高基数维度多，那这个cube膨胀的概率会很高。