一、读的是一篇文献，06年的
Answering Top-k Queries with MultiDimensional Selections: The Ranking Cube Approach
在一个top-k查询中，两个度量反应了性能：a selection condition & a ranking function.
selection condition维度可能很高，ranking function不一定是线性的。
这篇文献提出了一个模型，叫做ranking cube，并定义了一个rank-ware measure，未解决curse of dimension，又提出了ranking flagments。
二、cube structure
根据selection dimension构建ranking cube，每个cell离得measure应该是rank-ware的。
最naive的方法是，把所有相关的tuple都放到cell里面，这样有两个不足：浪费空间，不是rank-ware的。
为不浪费空间，可以只存tuple的id。
为解决rank-ware的问题，定义两个标准衡量：geometry-based partition & block-level data access。
好没劲，先不写了