请阐述在 Apache Kylin 中针对分布式查询进行性能调优的策略和方法，包括可能涉及的配置调整、查询优化手段以及注意事项。

回答思路

1. 【回答框架 1】Kylin 的查询性能主要依赖于预计算的结果，调优的核心是确保查询能够命中 Cube，避免对原始数据的扫描。首先，需要检查查询是否命中了 Cube，通过查看查询日志或 Profile，确认查询是否走了预计算路径。
2. 【回答框架 2】调整 Cuboid 的剪枝策略，通过配置 cuboid 层级和聚合组，减少不必要的 Cuboid 数量，从而加速查询时的 Cuboid 选择。同时，合理设计维度组合，避免过度膨胀的 Cube。
3. 【回答框架 3】利用 HBase 作为存储引擎的 Rowkey 设计，优化 Rowkey 的编码方式，如采用字典编码、缩短 Rowkey 长度，并调整 HBase 的 Region 数量和预分区策略，以提升查询扫描效率。
4. 【回答框架 4】针对查询侧，合理使用聚合函数和过滤条件下推，确保过滤条件能有效下推到存储层，减少数据传输量。同时，开启查询缓存（如 Redis 或 Memcached）以加速重复查询。
5. 【关键点 1】确保查询命中 Cube，避免实时扫描原始数据。
6. 【关键点 2】通过 Cube 设计（如聚合组、Rowkey 排序）提升 Cuboid 命中率。
7. 【关键点 3】调整 HBase 参数如 Region 数量、扫描缓存大小，优化并行读取。
8. 【关键点 4】利用查询缓存和查询切片（如分页、限制返回行数）减轻查询压力。
9. 【易错点 1】过度依赖查询缓存可能导致数据更新后结果不一致，需设置合理的缓存失效策略。
10. 【易错点 2】盲目增加 HBase Region 数量可能降低性能，应根据数据量和查询模式合理配置。
11. 【易错点 3】忽略 Cube 的自动合并和清理，导致 HFile 过多影响扫描性能。