cube-core

cube-core

cube-core 是一个高效的Cube求解工具，你可以借助它来实现快速的Cube运算或搭建pivot table组件。

使用

npm install --save cube-core

import {createCube} from 'cube-core'

初始化一个数据集

let cube = createCube ({
    type: 'moment' | 'period',
    aggFunc: (subset, measures) => {},
    factTable: [{}, {}, {}, ..., {}],
    dimensions: ['dim1', 'dim2', ..., 'dimn'],
    measures: ['mea1', 'mea2', ..., 'mean']
})

建树

cube.buildTree()

此时可以从cube.tree中获取的构建的树

聚合树

cube.aggTree()

使用cube.aggTree()可以计算树中每个节点的聚合值。但在使用period类型的cube时，我们建议按需计算，而不是预计算所有节点。同时period类型的cube会帮你保存已被访问过节点的聚合值；同时在后续有新节点加入时insertNode会帮助你清空受影响节点的聚合值。

如果你要实现数据的修改与删除，要记得清空受影响枝干上所有节点的聚合值（只需要node.clearCache()即可）

测试

cube-core为你提供了最基本的算法正确性检验测试与时间测试，你只需要使用npm test即可进行测试。

在./test/performance中，有一些可以使用的对于真实数据集、尤其是那些非常大的数据集的测试脚本，你可以修改其中数据集文件的路径来使用自己的数据集进行测试。

在前端的使用

在前端使用时，你还需要将cube.tree转化成自己的UI渲染需要的数据结构。cube-util中提供了一些常见ui需要的数据结构的转化工具。

个性化的优化

如果你能够定义两个聚合的快速合并方法，那么这棵树的性能可以大幅度提升。例如

parent.sum = child1.sum + child2.sum + ... + childn.sum 而不是 parent.sum = sum(parent.rawData)

对于和、计数、平均值、最大、最小值甚至是K大数等，没有必要每次都重新聚合后的数组进行计算，而是根据子节点的聚合值完成O(1)的运算。但对于更复杂的场景，设计这样一个聚合运算会愈发艰难。所以，cube-core再设计Cube时仍为你提供了node.rawData这一属性以方便你应对更为复杂的场景。

但你很快会发现，如果能够通过定义节点聚合值得聚合方式，那么你会获得极高的时间与空间的收益。