编者按 ：本文节选自华章科技大数据技术丛书 《Apache Kylin 权威指南(第 2 版)》一书中的部分章节。
Rowkey 优化
前面章节的侧重点是减少 Cube 中 Cuboid 的数量，以优化 Cube 的存储空间和构建性能，统称以减少 Cuboid 的数量为目的的优化为 Cuboid 剪枝。在本节中，将重点通过对 Cube 的 Rowkey 的设置来优化 Cube 的查询性能。
Cube 的每个 Cuboid 中都包含大量的行，每个行又分为 Rowkey 和 Measure 两个部分。每行 Cuboid 数据中的 Rowkey 都包含当前 Cuboid 中所有维度的值的组合。Rowkey 中的各个维度按照 Cube Designer→Advanced Setting→RowKeys 中设置的顺序和编码进行组织，如图 1 所示。
图 1 Rowkey 的设置页面
在 Rowkeys 设置页面中，每个维度都有几项关键的配置，下面将一一道来。
调整 Rowkey 顺序
在 Cube Designer→Advanced Setting→Rowkeys 部分，可以上下拖动每一个维度来调节维度在 Rowkey 中的顺序。这种顺序对于查询非常重要，因为目前在实现中，Kylin 会把所有的维度按照显示的顺序黏合成一个完整的 Rowkey，并且按照这个 Rowkey 升序排列 Cuboid 中所有的行，参照前一章的图 16。
不难发现，对排序靠前的维度进行过滤的效果会非常好，比如在图 16 中的 Cuboid 中，如果对 D1 进行过滤，它是严格按照顺序进行排列的；如果对 D3 进行过滤，它仅是在 D1 相同时在组内顺序排列的。
如果在一个比较靠后的维度进行过滤，那么这个过滤的执行就会非常复杂。以目前的 HBase 存储引擎为例，Cube 的 Rowkey 就对应 HBase 中的 Rowkey，是一段字节数组。我们目前没有创建单独的每个维度上的倒排索引，因此对于在比较靠后的维度上的过滤条件，只能依靠 HBase 的 Fuzzy Key Filter 来执行。尽管 HBase 做了大量相应的优化，但是在对靠后的字节运用 Fuzzy Key Filter 时，一旦前面维度的基数很大，Fuzzy Key Filter 的寻找代价就会很高，执行效率就会降低。所以，在调整 Rowkey 的顺序时需要遵循以下几个原则：
选择合适的维度编码
2.4.3 节介绍过，Apache Kylin 支持多种维度编码方式，用户可以针对数据特征，选择合适的编码方式，从而减小数据的存储空间。在具体使用过程中，如果用错了编码方式，可能会导致构建和查询的一系列问题。这里要注意的事项包括：
按维度分片
在 3.3 节中介绍过，系统会对 Cuboid 中的数据在存储时进行分片处理。默认情况下，Cuboid 的分片策略是对于所有列进行哈希计算后随机分配的。也就是说，我们无法控制 Cuboid 的哪些行会被分到同一个分片中。这种默认的方法固然能够提高读取的并发程度，但是它仍然有优化的空间。按维度分片提供了一种更加高效的分片策略，那就是按照某个特定维度进行分片（Shard By Dimension）。简单地说，当你选取了一个维度用于分片后，如果 Cuboid 中的某两行在该维度上的值相同，那么无论这个 Cuboid 最终被划分成多少个分片，这两行数据必然会被分配到同一个分片中。
这种分片策略对查询有着极大的好处。我们知道，Cuboid 的每个分片会被分配到存储引擎的不同物理机器上。Kylin 在读取 Cuboid 数据的时候会向存储引擎的若干机器发送读取的 RPC 请求。在 RPC 请求接收端，存储引擎会读取本机的分片数据，并在进行一定的预处理后发送 RPC 回应（如图 2 所示）。以 HBase 存储引擎为例，不同的 Region 代表不同的 Cuboid 分片，在读取 Cuboid 数据的时候，HBase 会为每个 Region 开启一个 Coprocessor 实例来处理查询引擎的请求。查询引擎将查询条件和分组条件作为请求参数的一部分发送到 Coprocessor 中，Coprocessor 就能够在返回结果之前对当前分片的数据做一定的预聚合（这里的预聚合不是 Cube 构建的预聚合，是针对特定查询的深度的预聚合）。
图 2 存储引擎执行 RPC 查询
如果按照维度划分分片，假设是按照一个基数比较高的维度 seller_id 进行分片的，那么在这种情况下，每个分片承担一部分 seller_id，各个分片不会有相同的 seller_id。所有按照 seller_id 分组（group by seller_id）的查询都会变得更加高效，因为每个分片预聚合的结果会更加专注于某些 seller_id，使得分片返回结果的数量大大减少，查询引擎端也无须对各个分片的结果做分片间的聚合。按维度分片也能让过滤条件的执行更加高效，因为由于按维度分片，每个分片的数据都更加“整洁”，便于查找和索引。
图书简介 ：src="https://static001.infoq.cn/resource/image/f2/84/f22bf661636663e27a8b1fdbc5e15184.png"/>
相关阅读 ：
Apache Kylin权威指南（一）：背景历史和使命
Apache Kylin权威指南（二）：工作原理
Apache Kylin权威指南（三）：技术架构
Apache Kylin权威指南（四）：核心概念
Apache Kylin权威指南（五）：Getting Started
Apache Kylin权威指南（六）：Cuboid剪枝优化
Apache Kylin权威指南（七）：剪枝优化工具
