Apache Kylin是当下十分流行的分布式分析引擎，kylin能提供它能在亚秒内查询巨大的Hive表。但是hive维度过大的时候可能会产生维度“灾难”，导致查询时间指数级的增加。现在我就介绍一下kylin cube构建中常用的优化工具——Aggregation Group（聚合组）。
以我们常用的构建方法在kylin提供web ui上构建新的cube 如下图所示。
null

首先，我们应该了解cube。cube是所有cuboid的一个集合。而没有一个cuboid都是一种维度的组合。下面举个栗子：
假如新建的cube中有A,B,C,D四个维度，根据排列组合它会产生16个cube。16个组合如下:
A,B,C,D,AB,AC,AD,BC,BD,CD,ABC,ABD,BCD,ACD,ABCD,还有一个是不包括所有维度的cube。
根据kylin预计算的特性，会将上述所有组合计算一次存储与hbase当中。但是如果某些组合是没有意义的呢？假如A代表的是时间，在没有时间的维度下其他的几个维度就失去统计的意义。那么在上诉的16中组合中没有A的组合就永远不会被需要，那么产生的这些cuboid就是没有意义的，浪费空间和计算资源，影响查询速度。

所以官方就在构建cube的时候提供了Aggregation Group（下称聚合组），在构建图中可以看Aggregation Group下都有这几行选项：
Mandatory（强制维度）、Hierarchy（层级维度）、Joint（联合维度）
下面浅析一下这几个维度的作用：
Mandatory（强制维度）：例如上述的A维度就可以设置为强制维度，所有的查询条件都需要查询的维度，可以设置为强制维度。
Hierarchy（层级维度）：例如存放的维度是年（A）、月（B）、日（C）三个维度。单独拿出月，或日是没有意义的，可以设置为层级维度（所以设置的层级维度，就不会出现下列组合：B、C、BC）。
Joint（联合维度）：每个联合中包含两个或更多个维度，如果某些列 形成一个联合，那么在该分组产生的任何Cuboid中，这些联合维度要么一 起出现，要么都不出现。

注：聚合组可以大大减少cube的体积，但滥用聚合出会导致当出现聚合组之外的查询时，计算引擎超负荷工作导致查询慢或者查询不到结果的问题。