什么是上卷下钻？
在介绍之前，先引入3个概念
1.数据仓库
数据仓库收集了整个组织（组织可以是独立的，也可以是混合的，重点是分主题）的主题信息，因此它是组织范围的，可以看作存放商品的仓库
2.数据集市
如果把数据比作商品，集市就是来“售卖加工”数据的，数据集市是数据仓库的子集，比如一个数据仓库是金融类仓库，金融又包括现金数据，黄金数据，股票数据，证券数据等，这里就可以把金融类以上包括的数据，看作一个数据集市，这些数据集市就是对数据加工处理的。数据集市内，数据集市之间都可以实现数据的关联。
3.概念分层
概念分层比较抽象了，简单做个比喻，概念的分层可以看作是大楼分层。那么又问了。概念分层和数据又啥关系，比如，你到商场乘坐电梯，当电梯上升的时候，看到的人会越来越小，小到就是一个黑点，这时候你不会在关系他们的模样了，而是关心到多少人，男女比是多少。逆向思维，当电梯下降，我们可以清楚的看到一个人的长相，身材，在近点就可以看到鼻孔的鼻屎。
嗯，相关概念介绍完了，说说什么是上卷
上卷（汇总数据）
上卷就是乘坐电梯上升观测人的过程。
按城市汇总的人口数据上卷，观察按国家人口的数据。就是由细粒度到粗粒度观测数据的过程，应该还会记录相应变化。
下钻（明细数据）
上卷的反向操作，
可以按照城市汇总的人口数据下钻，观察按城镇人口汇总的数据。由粗粒度变为细粒度。
kylin如何做到上卷下钻
其实，这时候我们发现就是在维度上做文章了，尤其是那种层级维度，但仅仅是维度不够的，有时候还需要指标，比如消费金额，会根据消费金额的大小，划分层次，也是概念分层的一种体现。
下面说下kylin是如何做到的。
刚才说到，数据仓库是面向主题的，那么这个主题可以看作是维度的组合，或者就是看问题的角度。
个人感觉依据主题去设置聚合组。
选择具有逻辑层次的维度设置为层级维度
关于指标集划分可以设置为衍生维度
举个例子
select * from tablename groupby A
select * from tablename groupby A,B
select * from tablename groupby A,B,C
这三个自上而下看就是下钻，自下而上看就是上卷。
