假定我們有一個電商的銷售數據集，其中包括時間、產品、地區、三個維度以及銷售額這個度量數據。其中，各維度表構成如下：
- 時間維度：時間KEY(time_key)、日期(day)、月(month)、季度(quarter)、年(year)
- 產品維度：產品KEY(product_key)、產品名稱(product_name)、品牌(brand)、產品類別(product_type)
- 地區維度：地區KEY(location_key)、城市(city)、省(province)、國家(sumry)
事實表構成如下：
- 事實表: 銷售額(sales)、時間KEY(time_key)、產品KEY(product_key)、地區KEY(location_key)
人們很形象的將這種基於維度-事實建模方法得到的數據模型成為星型結構。基於這種結構，我們可以使用SQL分組從不同維度進行數據查詢、分析，比如查詢2017年每個月份的銷售額：
select
t2.month,
sum(t1.sales)
from
sales_fact t1,
time_dim t2
where
t1.time_key = t2.time_key and t2.year = '2017'
group by t2.month
從這個例子中可以看到，在進行查詢時需要進行表連接(join)、聚合等比較耗時的操作。為了解決表連接耗時的問題，工程上又提出寬表的方法，也就是接受數據冗余將維度表與事實表合並成一張表，以犧牲空間代價換取時間代價。但是，這仍然沒有解決聚合耗時的問題，即使使用spark sql、persto這些新一代的內存計算計算，在數據量達到一定規模的時候，整個查詢的耗時也將是分鍾級別的，運氣好的話，喝完一杯咖啡可以看到查詢結果。慢查詢會導致整個集群處於高負載下運行、降低集群的整體處理速度，在數據量日益增大的今天顯然也是不能接受的。解決查詢低效的一個方法是進行預聚合，按照不同維度進行預先聚合，查詢時直接查詢聚合結果。具體實現上有兩種方法：ROLAP、MOLAP。
ROLAP
ROLAP簡單來說就是用表的方式來存儲按不同維度預先聚合好的數據，比如：
insert into agg_sales_fact_2017(month, sales) from
select
t2.month as month,
sum(t1.sales) as sales
from
sales_fact t1,
time_dim t2
where
t1.time_key = t2.time_key and t2.year = '2017'
group by t2.month
當應用程序發起對sales_fact查詢時，通常由一個引擎將基於sql語句轉換為對聚合表的操作：
-- 應用程序發出的SQL語句
select
t2.month,
sum(t1.sales)
from
sales_fact t1,
time_dim t2
where
t1.time_key = t2.time_key and t2.year = '2017'
group by t2.month
-- 引擎轉換后的SQL語句
select
month,
sales
from
agg_sales_fact_2017
顯示如果查詢條件不帶有t2.year = '2017'這樣的維度查詢條件時，整個查詢將退化為對sales_fact、time_dim兩個表的關聯查詢操作，因此需要從設計上加以避免。Mondrian是一個開源的多維查詢引擎，可以將MDX查詢語句轉為相應的SQL語句，MDX是微軟設計的一種類SQL查詢語言。
MOLAP
MOLAP是一種不同於數據庫中表的存儲結構，將數據存儲在一種稱為多維立方體的數據結構中。Apache Kylin是最近比較流行的一個MOLAP存儲模型，可以將數據從Hive導入Kylin中進行存儲，應用程序通過標准的SQL語句查詢Kylin，Kylin具有極高的訪問性能，自從開源以來一直熱度不減。關於MOLAP，韓佳煒教授的《數據挖掘概念與技術》一書中有詳細介紹，有興趣可進一步學習。
參考
[1]: What_are_aggregates Mondrian Documentation
[2]: 數據聚集技術在mondrian中的實現
[3]: OLAP引擎Mondrian的學習
[4]: Mondrian ROLAP 小結
[5]: 數據立方體