由于mapreduce查询过慢，spark可以缓存，但是时间久了，数据量缓存很大，hbase不能聚合，mysql数据量上百万很慢，引入kylin
2、概述Apache Kylin是一个开源的、分布式的分析型数据仓库，提供Hadoop/Spark 之上的 SQL 查询接口及多维分析（OLAP）
3、核心思想预计算，预先将所有维度组合以及统计的指标全部计算出来，将结果保存到hbase中，对外提供sql查询的入口，直接从hbase中查询结果返回给用户
需要优化：对cube剪枝，直线最大维度组合数，增加必选维度，增加层级关系维度
将数据连接导入后，可以将数据的所有组合情况进行预计算，（组合个数为维数）
cube是所有的dimensions（维度）组合
5、dimensions维度分类（做最大维度的限制，分组的字段，限定数据的 大小）（1）Normal：为最常见的类型，与所有其他的dimension组合构成cuboid。
（2）Mandatory：在每一次查询中都会用到dimension，选中，就会过滤掉很多的Code了
（3）Hierarchy：为带层级的dimension，比如说：省份->城市， 年->季度->月->周->日；以用于做drill down
（4）Derived：指该dimensions与维表的primary key是一一对应关系，可以更有效地减少cuboid数量，详细的解释参看这里；并且derived dimension只能由lookup table的列生成
