Apache Druid 是一個實時分析型數據庫，旨在對大型數據集進行快速查詢和分析（“OLAP” 查詢)。
Druid 最常被當做數據庫，用以支持實時攝取、高查詢性能和高穩定運行的應用場景。例如，Druid 通常被用來作爲圖形分析工具的數據源來提供數據，或當有需要高聚和高併發的後端 API。同時 Druid 也非常適合針對面向事件類型的數據。
通常可以使用 Druid 作爲數據源的系統包括有：
點擊流量分析（Web 或者移動分析）
網絡監測分析（網絡性能監控）
服務器存儲指標
供應鏈分析（生產數據指標）
應用性能指標
數字廣告分析
商業整合 / OLAP
Druid 的核心架構集合了數據倉庫（data warehouses），時序數據庫（timeseries databases），日誌分析系統（logsearch systems）的概念。
如果你對上面的各種數據類型，數據庫不是非常瞭解的話，那麼我們建議你進行一些搜索來了解相關的一些定義和提供的功能。
Druid 的一些關鍵特性包括有：
列示存儲格式（Columnar storage format） Druid 使用列式存儲，這意味着在一個特定的數據查詢中它只需要查詢特定的列。這樣的設計極大的提高了部分列查詢場景性能。另外，每一列數據都針對特定數據類型做了優化存儲，從而能夠支持快速掃描和聚合。
可擴展的分佈式系統(Scalable distributed system) 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級的數據導入，並且保存有萬億級的數據，同時提供 100ms 到 幾秒鐘之間的查詢延遲。
高性能併發處理（Massively parallel processing） Druid 可以在整個集羣中並行處理查詢。
實時或者批量數據處理（Realtime or batch ingestion） Druid 可以實時（已經被導入和攝取的數據可立即用於查詢）導入攝取數據庫或批量導入攝取數據。
自我修復、自我平衡、易於操作（Self-healing, self-balancing, easy to operate） 爲集羣運維操作人員，要伸縮集羣只需添加或刪除服務，集羣就會在後臺自動重新平衡自身，而不會造成任何停機。如果任何一臺 Druid 服務器發生故障，系統將自動繞過損壞的節點而保持無間斷運行。Druid 被設計爲 7*24 運行，無需設計任何原因的計劃內停機（例如需要更改配置或者進行軟件更新）。
原生結合雲的容錯架構，不丟失數據（Cloud-native, fault-tolerant architecture that won’t lose data） 一旦 Druid 獲得了數據，那麼獲得的數據將會安全的保存在 深度存儲 (通常是雲存儲，HDFS 或共享文件系統)中。即使單個個 Druid 服務發生故障，你的數據也可以從深度存儲中進行恢復。對於僅影響少數 Druid 服務的有限故障，保存的副本可確保在系統恢復期間仍然可以進行查詢。
針對快速過濾的索引（Indexes for quick filtering） Druid 使用 Roaring 或 CONCISE 來壓縮 bitmap indexes 後來創建索引，以支持快速過濾和跨多列搜索。
基於時間的分區（Time-based partitioning） Druid 首先按時間對數據進行分區，同時也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處理性能。
近似算法(Approximate algorithms) Druid應用了近似
count-distinct，近似排序以及近似直方圖和分位數計算的算法。這些算法佔用有限的內存使用量，通常比精確計算要快得多。對於精度要求比速度更重要的場景，Druid 還提供了exact count-distinct 和 exact ranking。在數據攝取的時候自動進行彙總(Automatic summarization at ingest time) Druid 支持在數據攝取階段可選地進行數據彙總，這種彙總會部分預先聚合您的數據，並可以節省大量成本並提高性能。
本文分享自微信公衆號 - CWIKIUS（CWIKIUS）。
如有侵權，請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”，歡迎正在閱讀的你也加入，一起分享。