在 Apache Kylin 的架构设计中，存储层和计算层的解耦是通过什么机制实现的？采用这种解耦架构相比传统紧耦合方案有哪些主要优势？

回答思路

1. 【回答框架 1】Kylin 的存储层基于 HBase 或云存储，保存预计算的 Cube 数据和物化结果；计算层负责 Cube 构建、查询改写和查询执行，通过构建任务生成存储数据，查询时只读取存储结果。
2. 【回答框架 2】解耦机制体现在数据格式与执行引擎独立：存储层以列式文件或 HBase 表存放维度组合与度量值，计算层通过内部接口访问，不依赖特定存储引擎实现，支持替换底层存储。
3. 【回答框架 3】优势包括：构建与查询分离，可独立扩展计算资源处理构建任务，存储层按需扩展容量；查询性能稳定，存储预聚合结果减少扫描，计算层仅做改写和轻量运算。
4. 【回答框架 4】架构灵活性提升，存储层可适配不同组件（如 HDFS、HBase、云对象存储），便于迁移和成本优化；故障域隔离，存储故障不影响查询重写逻辑，计算节点可以无状态化。
5. 【回答框架 5】实际部署中，这种解耦支持 OLAP 场景下的高并发和低延迟，但需注意数据一致性和构建任务的调度协调。
6. 【关键点 1】存储层保存预计算 Cube，计算层负责构建和查询改写，二者通过数据文件或接口解耦。
7. 【关键点 2】解耦带来独立扩展、存储可替换、故障隔离和查询性能稳定等优势。
8. 【关键点 3】查询只读物化结果，避免扫描明细数据，支撑秒级响应。
9. 【关键点 4】构建与查询分离使资源调度灵活，但需要协调构建与查询的一致性。
10. 【易错点 1】不能宣称解耦后构建和查询完全无依赖，仍需元数据和任务调度协调。
11. 【易错点 2】不要把存储层替换等同于数据格式兼容，可能需适配读写接口。
12. 【易错点 3】忽略构建失败对查询可见性的影响，可能造成数据不一致。