文章目錄 前言 Druid介紹 主要特性 基礎概念 數據格式 數據攝入 數據存儲 數據查詢 查詢類型 架構 運維 OLAP方案對比 使用場景 使用建議 參考 近期主題 前言 項目早期、數據（報表分析）的生產、存儲和獲取業務，MySQL基本上可以滿足需要，但是隨著業務的快速增長，數據量翻至億為單位時， ...
文章目錄
前言
項目早期、數據（報表分析）的生產、存儲和獲取業務，MySQL基本上可以滿足需要，但是隨著業務的快速增長，數據量翻至億為單位時，MySQL無法滿足例如：快速實時返回“分組+聚合計算+排序聚合指標”查詢需求。記得還是2017年之後，對當時的幾款OLAP進行了調研，用線上數據訓練。當時Druid在性能和功能上基本上能夠滿足需要，下麵介紹一下Apache Druid。
Druid介紹
Apache Druid 是一個高性能實時分析資料庫，在複雜的海量數據下進行互動式實時數據展現的OLAP工具。能夠處理TB級別數據，毫秒級響應。目前國內在使用的公司有：阿裡、滴滴、知乎、360、eBay，Hulu等。官方網址：http://druid.io
主要特性
- 開源、列式存儲，預聚合
- 實時流式和批量數據攝入
- 靈活的數據模式、支持SQL查詢
- 擴展方便，容易運維
- TB，PB級別的數據處理
基礎概念
數據格式
數據源：datasource，datasource的結構有：時間列（timestamp）、維度列（Dimension）和指標列（Metric）
時間列：將時間相近的一些數據聚合在一起，查詢的時候指定時間範圍
維度列：標識一些統計的維度，比如：名稱、類別等
指標列：用於聚合和計算的列，比如：訪問總數、合計金額等
|
timestamp |
demensions |
metric |
||||
|
date |
userid |
username |
age |
sex |
visits |
costs |
|
2020-01-01T00:00:00Z |
100001 |
張三 |
20 |
男 |
201 |
20.10 |
|
2020-01-01T00:00:00Z |
100002 |
李四 |
21 |
男 |
160 |
16.00 |
|
2020-01-01T00:00:00Z |
100003 |
王五 |
20 |
女 |
100 |
10.00 |
數據攝入
同時支持流式和批量數據攝入。通常通過像 Kafka 這樣的消息匯流排（載入流式數據）或通過像 HDFS 這樣的分散式文件系統（載入批量數據）來連接原始數據源。
Druid 通過 Indexing 處理將原始數據以 segment 的方式存儲在數據節點，segment 是一種查詢優化的數據結構。
數據存儲
Druid 採用列式存儲。根據不同列的數據類型（string，number 等），Druid 對其使用不同的壓縮和編碼方式。Druid 也會針對不同的列類型構建不同類型的索引。
類似於檢索系統，Druid 為 string 列創建反向索引，以達到更快速的搜索和過濾。類似於時間序列資料庫，Druid 基於時間對數據進行智能分區，以達到更快的基於時間的查詢。
不像大多數傳統系統，Druid 可以在數據攝入前對數據進行預聚合。這種預聚合操作被稱之為 rollup，這樣就可以顯著的節省存儲成本。
數據查詢
支持兩種查詢：JSON-HTTP，SQL兩種方式
查詢類型
Timeseries:基於時間範圍查詢的類型
TopN:基於單維度的排名查詢
GroupBy:基於多維度的分組查詢
架構
運維
Druid是非常健壯的系統，Druid 擁有數據副本、獨立服務、自動數據備份和滾動更新，以確保長期運行，並保證數據不丟失。
OLAP方案對比
|
|
Druid |
Kylin |
Elasticsearch |
Spark SQL |
|
數據規模 |
超大 |
超大 |
中等 |
超大 |
|
查詢效率 |
高 |
高 |
中等 |
低 |
|
併發度 |
高 |
高 |
高 |
低 |
|
SQL支持 |
中 |
高 |
中 |
高 |
|
靈活度 |
中 |
低 |
高 |
高 |
Druid：是一個實時處理時序數據的OLAP資料庫，因為它的索引首先按照時間分片，查詢的時候也是按照時間線去路由索引。
Kylin：核心是Cube，Cube是一種預計算技術，基本思路是預先對數據作多維索引，查詢時只掃描索引而不訪問原始數據從而提速。
ES：最大的特點是使用了倒排索引解決索引問題。根據研究，ES在數據獲取和聚集用的資源比在Druid高。
Spark SQL：基於Spark平臺上的一個OLAP框架，基本思路是增加機器來並行計算，從而提高查詢速度。
使用場景
- 廣告數據分析
- 風控分析
- 伺服器指標存儲
- 應用性能指標
- 實時線上分析系統 OLAP
- 實時報表分析
- 離線+實時數據源
- 行為數據分析
使用建議
- 時序化數據：所有行記錄中必須有日期指標
- OLAP併發有限，不適合OLTP查詢，建議首次回源加Cache
- 目前不支持JOIN操作，不支持數據更新
- 離線數據替換前一天實時數據
- 分頁支持的不夠完善
另外、Druid在項目中已經投產多年，用OLAP方案解決業務上的問題，整理技術點為了方便相似業務同學參考和使用。
參考
https://druid.apache.org/docs/latest/design/
近期主題：
-
Druid在數據分析需求中的學習和應用
-
Druid多種應用場景的實戰
-
定時任務到分散式服務的演變
