kylin的核心优势在于使用额外的空间存储预计算的结果，以换取查询时间的缩减。

所以我们要对额外的空间进行优化，并且在空间优化之后，cuboid无法完全命中时，对查询时间进行优化。

空间优化的思路就是试图减少额外空间占用，最常用的就是剪枝优化。去掉那些多余的cuboid，减少预聚合的数量

查询时间优化就是针对存储引擎的优化，以hbase为例，其中包括，维度值的编码优化，rowkey按维度分片，调整rowkey生成的规则，降低精度要求,segment合并和清理，并发优化等。

剪枝优化的"多余"思想是：

1.有些cuboid被查询的几率很低，甚至永远也查不到，显得多余。

2.有的cuboid的能力与其他cuboid接近，显得多余。(如该cuboid与父cuboid的基数很接近)

3.改cuboid的维度基数太高，且存在占用空间的度量如 count distinct。此时就要权衡，若不是很重要，可以去掉。

一般来说，cube的存储不应该超过源数据的10倍，如果超过了，就要进行剪枝优化。

每个cuboid都代表着一种查询样式，如果每种样式都要做好精确匹配，就会很奢侈，所以我们会牺牲掉一部分查询，使它没有精确的匹配。

这就是时间和空间的取舍了。