什麼是Druid ？
Apache Druid是一個實時分析數據庫，旨在對大型數據集進行快速的切片和切分分析（“ OLAP ”查詢）。Druid最常用作數據庫，以支持對實時攝取，快速查詢性能和高正常運行時間很重要的用例。因此，Druid通常用於爲分析應用程序的GUI提供支持，或用作需要快速聚合的高併發API的後端。Druid最適合面向事件的數據。
Druid的常見應用領域包括：
- 點擊流分析（網絡和移動分析）
- 網絡遙測分析（網絡性能監控）
- 服務器指標存儲
- 供應鏈分析（製造指標）
- 應用程序性能指標
- 數字營銷/廣告分析
- 商業智能/ OLAP
Druid的核心架構結合了數據倉庫，時序數據庫和日誌搜索系統的思想。它的的一些主要功能是：
- 列式存儲格式。Druid使用面向列的存儲，這意味着它僅需要加載特定查詢所需的確切列。這極大地提高了僅命中幾列的查詢的速度。此外，每列都針對其特定數據類型進行了優化存儲，從而支持快速掃描和聚合。
- 可擴展的分佈式系統。Druid通常部署在數十到數百臺服務器的集羣中，並且可以提供每秒數百萬條記錄的接收速率，數萬億條記錄的保留以及亞秒級到幾秒的查詢延遲。
- 大規模並行處理。Druid可以在整個集羣中並行處理查詢。
- 實時或批量攝取。Druid可以實時（攝取的數據可立即用於查詢）或批量攝取數據。
- 自我修復，自我平衡，易於操作。作爲操作員，要擴展或擴展集羣，只需添加或刪除服務器，集羣就會在後臺自動重新平衡自身，而不會造成任何停機。如果任何Druid服務器發生故障，系統將自動繞過損壞的機器，直到可以更換這些服務器爲止。Druid設計爲24/7全天候運行，而無需出於任何原因而導致計劃內的停機，包括配置更改和軟件更新。
- 雲原生的容錯架構，不會丟失數據。一旦Druid攝取了數據，就會在在深度存儲（通常是雲存儲，HDFS或共享文件系統）中創建一個副本。即使全部的Druid服務器發生故障，也可以從深度存儲中恢復您的數據。對於僅影響少數Druid服務器的有限故障，可以通過複製確保在系統恢復時仍然可以進行查詢。
- 用於快速過濾的索引。Druid使用CONCISE或 Roaring壓縮的位圖索引來創建索引，以支持快速過濾和跨多列搜索。
- 基於時間的分區。Druid首先按時間對數據進行分區，然後可以根據其他字段進行分區。這意味着基於時間的查詢將僅訪問與查詢時間範圍匹配的分區。這將大大提高基於時間的數據的性能。
- 近似算法。德魯伊包括用於近似計數區別，近似排名以及近似直方圖和分位數計算的算法。這些算法提供有限的內存使用量，通常比精確計算要快得多。對於精度比速度更重要的情況，德魯伊還提供了精確的計數區別和精確的排名。
- 攝取時自動彙總。Druid可選地在攝取時支持數據彙總。這種彙總會部分地預先聚合您的數據，並可以節省大量成本並提高性能。
When should I use Druid? 什麼時候應該使用德魯伊？
許多公司都將Druid用於各種不同的用例。 Powered by Apache Druid頁面列出了一些公司的列表。
如果您的用例符合以下幾個描述符，則Druid可能是一個不錯的選擇：
- 插入率很高，但更新並不常見。
- 您的大多數查詢都是聚合查詢和報告查詢（“分組依據”查詢）。您可能還具有搜索和掃描查詢。
- 您將查詢延遲目標定爲100毫秒到幾秒鐘。
- 您的數據具有時間成分（Druid包括與時間特別相關的優化和設計選擇）。
- 您可能有多個表，但是每個查詢僅命中一個大的分佈式表。查詢可能會擊中多個較小的“查找”表。
- 您具有高基數數據列（例如URL，用戶ID），並且需要對其進行快速計數和排名。
- 您想從Kafka，HDFS，平面文件或Amazon S3之類的對象存儲中加載數據。
如果存在下面的情況，您可能會不希望使用德魯伊包括：
- 您需要使用主鍵對現有記錄進行低延遲更新。Druid支持流插入，但不支持流更新（使用後臺批處理作業完成更新）。
- 您正在構建一個脫機報告系統，其中查詢延遲不是很重要。
- 您想要進行“大”聯接（將一個大事實表連接到另一個大事實表），並且可以花很長時間來完成這些查詢。