一、Druid設計原則
（1）快速查詢能力：部分數據聚合（Partial Aggregate） + 內存化（In-Memory）+索引（Index）
（2）水平擴展能力：分佈式查詢（Distributed Data） + 並行化查詢（Parallelizable Query）
（3）實時分析能力：不可變的過去（Immutable Past），只追加的未來（Append-Only Future）。
部分聚合：Partial Aggregate
Druid默認會對明細數據按最明細的全維度組合，以及指標，進行預先聚合。聚合方式是預定義的，聚合粒度是按時間聚合，可以是從1分鐘到1天。
內存化
使用Bitmap 和各種壓縮技術。
索引
通過倒排索引，加速 AND / OR
算子可並行化查詢
提供可並行化查詢的聚合操作，如Count，Mean，Variance等。
對於不能並行化的操作，如Median，Druid暫時不支持。
對基數的查詢提供近似算法（HyperLoglog，DataSketches），以保證快速相應。
捨棄耗時的Join操作
使用druid時，其輸入數據需要是串聯好的寬表，因爲druid不支持Join操作，以保障響應性能。同時，Druid是一種時序數據庫，在入庫時會按照一定的時間粒度對數據進行聚合，以加快分析查詢速度。
二、Druid的基本概念
時間列
Druid會將時間很久的一些數據行聚合在一起，所有的查詢都需要指定查詢的時間範圍。
維度列
維度列用來標識事件的維度。
事件列
用於聚合和計算的列，是業務的量化指標。