请说明 Apache Kylin 中预计算技术是如何实现查询加速的？

回答思路

1. 【回答框架 1】Kylin 通过预计算（即预聚合）技术，在离线阶段按维度组合预先计算聚合结果并存储为 Cube，从而在查询时将大量计算转化为对预计算结果的直接读取，实现加速。
2. 【回答框架 2】预计算的核心是维度建模，将业务事实表与维度表构建为星型模型，并定义度量（如销售额、订单数）和维度。Kylin 会枚举所有可能的维度组合，每个组合对应一个 Cuboid，这些 Cuboid 构成多层次的 Cube 结构。
3. 【回答框架 3】在构建时，Kylin 使用 MapReduce 或 Spark 进行分布式预聚合，为每个 Cuboid 计算聚合值，并存储为 HBase 或其他存储的 Key-Value 形式（如以维度组合为键，测度为值），从而在查询时快速定位数据。
4. 【回答框架 4】查询时，Kylin 解析 SQL，将其转换为对 Cuboid 的扫描并利用索引快速检索对应的预聚合结果，再由存储引擎返回结果，避免对原始明细数据的实时计算，从而大幅降低查询耗时。
5. 【关键点 1】预计算核心是把聚合计算提前到离线阶段，以空间换时间，查询时直接读取预计算结果。
6. 【关键点 2】Cube 由多个 Cuboid（维度组合）构成，每个 Cuboid 对应一种聚合粒度。
7. 【关键点 3】构建过程使用 MapReduce/Spark 预聚合，数据存储于 HBase 等，查询时转换为对 Cuboid 的扫描与聚合。
8. 【关键点 4】对于不支持预计算的查询，会回退到实时计算或报错，因此适合高可用低延迟的聚合查询。
9. 【易错点 1】预计算会大幅增加存储开销，需合理裁剪 Cuboid 以平衡构建成本和查询性能。
10. 【易错点 2】Cube 构建是批处理，新增数据需要定期刷新，因此 Kylin 更适合对实时性要求不高的场景。
11. 【易错点 3】并非所有查询都能命中预计算，例如高基数维度组合或复杂查询可能无法完全加速，需要设计维度与度量。