一、Druid设计原则
（1）快速查询能力：部分数据聚合（Partial Aggregate） + 内存化（In-Memory）+索引（Index）
（2）水平扩展能力：分布式查询（Distributed Data） + 并行化查询（Parallelizable Query）
（3）实时分析能力：不可变的过去（Immutable Past），只追加的未来（Append-Only Future）。
部分聚合：Partial Aggregate
Druid默认会对明细数据按最明细的全维度组合，以及指标，进行预先聚合。聚合方式是预定义的，聚合粒度是按时间聚合，可以是从1分钟到1天。
内存化
使用Bitmap 和各种压缩技术。
索引
通过倒排索引，加速 AND / OR
算子可并行化查询
提供可并行化查询的聚合操作，如Count，Mean，Variance等。
对于不能并行化的操作，如Median，Druid暂时不支持。
对基数的查询提供近似算法（HyperLoglog，DataSketches），以保证快速相应。
舍弃耗时的Join操作
使用druid时，其输入数据需要是串联好的宽表，因为druid不支持Join操作，以保障响应性能。同时，Druid是一种时序数据库，在入库时会按照一定的时间粒度对数据进行聚合，以加快分析查询速度。
二、Druid的基本概念
时间列
Druid会将时间很久的一些数据行聚合在一起，所有的查询都需要指定查询的时间范围。
维度列
维度列用来标识事件的维度。
事件列
用于聚合和计算的列，是业务的量化指标。