設(shè)計流式Cube創(chuàng)建Model創(chuàng)建Cube01

創(chuàng)建Model創(chuàng)建Model1、創(chuàng)建Model，選擇newModel。輸入名稱為：web_pvuv_kylin_streaming_model。

創(chuàng)建Model2、依然是選擇事實表，并且添加lookuptable，j建立事實表與衍生表之間的關(guān)系。

創(chuàng)建Model3、主要是選擇各個表的維度，我們既可以選擇普通的維度，又可以選擇衍生的時間維度。

一般不推薦直接選擇業(yè)務(wù)時間戳作為維度（access_time），因為業(yè)務(wù)時間戳的精度往往是精確到秒級甚至是毫秒級的，使用它作為一個維度失去了聚合的意義，也會讓整個Cube的體積變得非常龐大。注意創(chuàng)建Model4、選擇需要度量指標(biāo)的字段，本例中使用cookid和PV。

創(chuàng)建Model5、在創(chuàng)建Model對話框的第五步設(shè)置中，一般選擇最小粒度的衍生時間維度作為分割時間列有了分割時間列，就可以對Cube進行分鐘級的流式構(gòu)建了。

在這里我們選MINUTE_START，它的數(shù)據(jù)格式為yyyy-MM-ddHH：mm：ss。至此，點擊save保存，model：web_pvuv_kylin_streaming就創(chuàng)建完成了。02

創(chuàng)建Cube創(chuàng)建Cube1、點擊

newcube，綁定剛剛創(chuàng)建的模型，輸入Cube名稱：web_pvuv_kylin_streaming_cube。

創(chuàng)建Cube

2、不要使用access_time,因為它的粒度太細(xì)。注意：這里我們不選擇access_time,否則創(chuàng)建的cube體積太大。創(chuàng)建Cube3、Measures為度量指標(biāo)的設(shè)計。

這里我們對pv進行sum匯總計算，對cookieid進行countdistinct去重過濾統(tǒng)計個數(shù)。

為了讓大家更清楚，我們將添加的Measure的頁面也截出來，這里面有很多聚合函數(shù)，Top，count、sum等等；創(chuàng)建Cube4、創(chuàng)建Cube的第四步是設(shè)置Cube的自動合并時間。

因為流式構(gòu)建需要頻繁地構(gòu)建較小的Segment，為了不造成對存儲器的過大壓力,獲取較好的查詢性能，因此需要通過自動合并將已有的多個小Segment合并成一個較大的Segment。所以，這里將設(shè)置一個層級的自動合并時間：0.5小時、4小時、1天、7天、28天。

此外，設(shè)置保留時間為30天。此外，我們設(shè)置分區(qū)時間是從2013年開始，因為我們的模擬數(shù)據(jù)是從13年開始。創(chuàng)建Cube5、在AdvancedSetting，AggregationGroups設(shè)置中，可以把衍生時間維度設(shè)置為Hierarc