Druid简介

Apache Druid是开源的分布式存储，核心设计吸取了数据仓库、时序数据、搜索系统思想，在实时分析体系里面创造了广泛的用户实例。Druid把3个系统的核心优势融入了数据抽取层，存储格式、查询层、核心架构。

特征

Druid的核心优势：

• 列存储
  Druid每一列单独存储和压缩，因此当查询时只需要读取需要的列来支持快速扫描查询、排序、聚合。
• 原生的搜索索引
  Druid通过为字符串值创建倒排索引来实现快速的搜索和过滤。
• 流数据和批数摄取
  对kafka、HDFS、AWS S3,流处理器等连接器开箱即用。
• 灵活的模式
  Druid优雅的处理演进的模式和嵌套结构的数据。
• 基于时间优化的分区
  Druid基于时间对数据智能分区，因此基于时间的查询速度比传统的数据极大的提高。
• 支持SQL
  在jdbc和http上支持原生的json语言和Druid SQL。
• 横向扩展
  Druid在生产环境支持了每秒摄取100万信息，存储几年的数据，提供压秒级查询。
• 维护简单
  增加和移除服务器来上线和下线服务，Druid会自动调整。容错的架构容许服务器宕机。

用户实例

• 实时分析和智能
• 用户活动和行为
• 网络流
• 应用程序性能监控
• IOT设备指标监控
• OLAP和商业智能

适合Druid做数据库适用场景：

• 数据插入多，更新少。
• 查询数据中大部分是聚合和报表查询，也有搜索和扫描数据。
• 查询在100ms到几秒钟
• 数据中有时间（Druid对时间进行了优化和特别的设计）。
• 每次查询都是在一张大表中的选择部分字段。（不支持join)。
• 有高基数列（e.g. URLs, user IDs),在此列可以快速的计数和排序。
• 从Kafka、HDFS、文件系统、Amazon S3摄取数据。

不适合Druid的场景

• 低延迟更新主键记录。Druid支持流数据，但是不支持流数据更新。(流数据更新可以在后台批量更新）
• 离线报表系统，你对数据延迟关注度不大。
• 需要做大的join（实时表之间相互连接），查询需要很长时间完成。

翻译：
https://druid.apache.org/technology
https://druid.apache.org/docs/latest/design/