Apache Druid是什么？適用于什么場景？

今天小編給大家分享的是Apache Druid的詳細(xì)介紹，相信大部分人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，話不多說，一起往下看吧。

Apache Druid是一個高性能的實時分析型數(shù)據(jù)庫。

概覽

• 一個現(xiàn)代化的云原生，流原生，分析型數(shù)據(jù)庫

  Druid是為快速查詢和快速攝入數(shù)據(jù)的工作流而設(shè)計的。Druid強在有強大的UI，運行時可操作查詢，和高性能并發(fā)處理。Druid可以被視為一個滿足多樣化用戶場景的數(shù)據(jù)倉庫的開源替代品。

• 輕松與現(xiàn)有的數(shù)據(jù)管道集成

  Druid可以從消息總線流式獲取數(shù)據(jù)（如Kafka，Amazon Kinesis），或從數(shù)據(jù)湖批量加載文件（如HDFS，Amazon S3和其他同類數(shù)據(jù)源）。

• 比傳統(tǒng)方案快100倍的性能

  Druid對數(shù)據(jù)攝入和數(shù)據(jù)查詢的基準(zhǔn)性能測試大大超過了傳統(tǒng)解決方案。

  Druid的架構(gòu)融合了數(shù)據(jù)倉庫，時間序列數(shù)據(jù)庫和檢索系統(tǒng)最好的特性。

• 解鎖新的工作流

  Druid為Clickstream，APM(應(yīng)用性能管理系統(tǒng))，supply chain(供應(yīng)鏈)，網(wǎng)絡(luò)遙測，數(shù)字營銷和其他事件驅(qū)動形式的場景解鎖了新的查詢方式和工作流。Druid專為實時和歷史數(shù)據(jù)的快速臨時查詢而構(gòu)建。

• 部署在AWS/GCP/Azure，混合云，k8s和租用服務(wù)器上

  Druid可以部署在任何*NIX環(huán)境中。無論是內(nèi)部環(huán)境還是云環(huán)境。部署Druid是非常easy的：通過添加或刪減服務(wù)來擴容縮容。

使用場景

Apache Druid適用于對實時數(shù)據(jù)提取，高性能查詢和高可用要求較高的場景。因此，Druid通常被作為一個具有豐富GUI的分析系統(tǒng)，或者作為一個需要快速聚合的高并發(fā)API的后臺。Druid更適合面向事件數(shù)據(jù)。

比較常見的使用場景：

• 點擊流分析（web和mobile分析）

• 風(fēng)控分析

• 網(wǎng)路遙測分析（網(wǎng)絡(luò)性能監(jiān)控）

• 服務(wù)器指標(biāo)存儲

• 供應(yīng)鏈分析（制造業(yè)指標(biāo)）

• 應(yīng)用性能指標(biāo)

• 商業(yè)智能/實時在線分析系統(tǒng)OLAP

下面將詳細(xì)分析這些使用場景：

用戶活動和行為

Druid經(jīng)常用在點擊流，訪問流，和活動流數(shù)據(jù)上。具體場景包括：衡量用戶參與度，為產(chǎn)品發(fā)布追蹤A/B測試數(shù)據(jù)，并了解用戶使用方式。Druid可以做到精確和近似計算用戶指標(biāo)，例如不重復(fù)計數(shù)指標(biāo)。這意味著，如日活用戶指標(biāo)可以在一秒鐘計算出近似值(平均精度98%)，以查看總體趨勢，或精確計算以展示給利益相關(guān)者。Druid可以用來做“漏斗分析”，去測量有多少用戶做了某種操作，而沒有做另一個操作。這對產(chǎn)品追蹤用戶注冊十分有用。

網(wǎng)絡(luò)流

Druid常常用來收集和分析網(wǎng)絡(luò)流數(shù)據(jù)。Druid被用于管理以任意屬性切分組合的流數(shù)據(jù)。Druid能夠提取大量網(wǎng)絡(luò)流記錄，并且能夠在查詢時快速對數(shù)十個屬性組合和排序，這有助于網(wǎng)絡(luò)流分析。這些屬性包括一些核心屬性，如IP和端口號，也包括一些額外添加的強化屬性，如地理位置，服務(wù)，應(yīng)用，設(shè)備和ASN。Druid能夠處理非固定模式，這意味著你可以添加任何你想要的屬性。

數(shù)字營銷

Druid常常用來存儲和查詢在線廣告數(shù)據(jù)。這些數(shù)據(jù)通常來自廣告服務(wù)商，它對衡量和理解廣告活動效果，點擊穿透率，轉(zhuǎn)換率（消耗率）等指標(biāo)至關(guān)重要。

Druid最初就是被設(shè)計成一個面向廣告數(shù)據(jù)的強大的面向用戶的分析型應(yīng)用程序。在存儲廣告數(shù)據(jù)方面，Druid已經(jīng)有大量生產(chǎn)實踐，全世界有大量用戶在上千臺服務(wù)器上存儲了PB級數(shù)據(jù)。

應(yīng)用性能管理

Druid常常用于追蹤應(yīng)用程序生成的可運營數(shù)據(jù)。和用戶活動使用場景類似，這些數(shù)據(jù)可以是關(guān)于用戶怎樣和應(yīng)用程序交互的，它可以是應(yīng)用程序自身上報的指標(biāo)數(shù)據(jù)。Druid可用于下鉆發(fā)現(xiàn)應(yīng)用程序不同組件的性能如何，定位瓶頸，和發(fā)現(xiàn)問題。

不像許多傳統(tǒng)解決方案，Druid具有更小存儲容量，更小復(fù)雜度，更大數(shù)據(jù)吞吐的特點。它可以快速分析數(shù)以千計屬性的應(yīng)用事件，并計算復(fù)雜的加載，性能，利用率指標(biāo)。比如，基于百分之95查詢延遲的API終端。我們可以以任何臨時屬性組織和切分?jǐn)?shù)據(jù)，如以天為時間切分?jǐn)?shù)據(jù)，如以用戶畫像統(tǒng)計，如按數(shù)據(jù)中心位置統(tǒng)計。

物聯(lián)網(wǎng)和設(shè)備指標(biāo)

Driud可以作為時間序列數(shù)據(jù)庫解決方案，來存儲處理服務(wù)器和設(shè)備的指標(biāo)數(shù)據(jù)。收集機器生成的實時數(shù)據(jù)，執(zhí)行快速臨時的分析，去估量性能，優(yōu)化硬件資源，和定位問題。

和許多傳統(tǒng)時間序列數(shù)據(jù)庫不同，Druid本質(zhì)上是一個分析引擎。Druid融合了時間序列數(shù)據(jù)庫，列式分析數(shù)據(jù)庫，和檢索系統(tǒng)的理念。它在單個系統(tǒng)中支持了基于時間分區(qū)，列式存儲，和搜索索引。這意味著基于時間的查詢，數(shù)字聚合，和檢索過濾查詢都會特別快。

你可以在你的指標(biāo)中包括百萬唯一維度值，并隨意按任何維度組合group和filter(Druid 中的 dimension維度類似于時間序列數(shù)據(jù)庫中的tag)。你可以基于tag group和rank，并計算大量復(fù)雜的指標(biāo)。而且你在tag上檢索和過濾會比傳統(tǒng)時間序列數(shù)據(jù)庫更快。

OLAP和商業(yè)智能

Druid經(jīng)常用于商業(yè)智能場景。公司部署Druid去加速查詢和增強應(yīng)用。和基于Hadoop的SQL引擎(如Presto或Hive)不同，Druid為高并發(fā)和亞秒級查詢而設(shè)計，通過UI強化交互式數(shù)據(jù)查詢。這使得Druid更適合做真實的可視化交互分析。

技術(shù)

Apache Druid 是一個開源的分布式數(shù)據(jù)存儲引擎。Druid的核心設(shè)計融合了OLAP/analytic databases，timeseries database，和search systems的理念，以創(chuàng)造一個適用廣泛用例的統(tǒng)一系統(tǒng)。Druid將這三種系統(tǒng)的主要特性融合進Druid的ingestion layer(數(shù)據(jù)攝入層)，storage format(存儲格式化層)，querying layer(查詢層)，和core architecture(核心架構(gòu))中。

Druid的主要特性包括：

• 列式存儲

  Druid單獨存儲并壓縮每一列數(shù)據(jù)。并且查詢時只查詢特定需要查詢的數(shù)據(jù)，支持快速scan，ranking和groupBy。

• 原生檢索索引

  Druid為string值創(chuàng)建反向索引以達到數(shù)據(jù)的快速搜索和過濾。

• 流式和批量數(shù)據(jù)攝入

  開箱即用的Apache kafka，HDFS，AWS S3連接器connectors，流式處理器。

• 靈活的數(shù)據(jù)模式

  Druid優(yōu)雅地適應(yīng)不斷變化的數(shù)據(jù)模式和嵌套數(shù)據(jù)類型。

• 基于時間的優(yōu)化分區(qū)

  Druid基于時間對數(shù)據(jù)進行智能分區(qū)。因此，Druid基于時間的查詢將明顯快于傳統(tǒng)數(shù)據(jù)庫。

• 支持SQL語句

  除了原生的基于JSON的查詢外，Druid還支持基于HTTP和JDBC的SQL。

• 水平擴展能力

  百萬/秒的數(shù)據(jù)攝入速率，海量數(shù)據(jù)存儲，亞秒級查詢。

• 易于運維

  可以通過添加或移除Server來擴容和縮容。Druid支持自動重平衡，失效轉(zhuǎn)移。

數(shù)據(jù)攝入

Druid同時支持流式和批量數(shù)據(jù)攝入。Druid通常通過像Kafka這樣的消息總線（加載流式數(shù)據(jù)）或通過像HDFS這樣的分布式文件系統(tǒng)（加載批量數(shù)據(jù)）來連接原始數(shù)據(jù)源。

Druid通過Indexing處理將原始數(shù)據(jù)以segment的方式存儲在數(shù)據(jù)節(jié)點，segment是一種查詢優(yōu)化的數(shù)據(jù)結(jié)構(gòu)。

數(shù)據(jù)存儲

像大多數(shù)分析型數(shù)據(jù)庫一樣，Druid采用列式存儲。根據(jù)不同列的數(shù)據(jù)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(gòu)建不同類型的索引。

類似于檢索系統(tǒng)，Druid為string列創(chuàng)建反向索引，以達到更快速的搜索和過濾。類似于時間序列數(shù)據(jù)庫，Druid基于時間對數(shù)據(jù)進行智能分區(qū)，以達到更快的基于時間的查詢。

不像大多數(shù)傳統(tǒng)系統(tǒng)，Druid可以在數(shù)據(jù)攝入前對數(shù)據(jù)進行預(yù)聚合。這種預(yù)聚合操作被稱之為rollup，這樣就可以顯著的節(jié)省存儲成本。

查詢

Druid支持JSON-over-HTTP和SQL兩種查詢方式。除了標(biāo)準(zhǔn)的SQL操作外，Druid還支持大量的唯一性操作，利用Druid提供的算法套件可以快速的進行計數(shù)，排名和分位數(shù)計算。

架構(gòu)

Druid是微服務(wù)架構(gòu)，可以理解為一個拆解成多個服務(wù)的數(shù)據(jù)庫。Druid的每一個核心服務(wù)(ingestion(攝入服務(wù))，querying(查詢服務(wù))，和coordination(協(xié)調(diào)服務(wù)))都可以單獨部署或聯(lián)合部署在商業(yè)硬件上。

Druid清晰的命名每一個服務(wù)，以確保運維人員可以根據(jù)使用情況和負(fù)載情況很好地調(diào)整相應(yīng)服務(wù)的參數(shù)。例如，當(dāng)負(fù)載需要時，運維人員可以給數(shù)據(jù)攝入服務(wù)更多的資源而減少數(shù)據(jù)查詢服務(wù)的資源。

Druid可以獨立失敗而不影響其他服務(wù)的運行。

運維

Drui被設(shè)計成一個健壯的系統(tǒng)，它需要7*24小時運行。Druid擁有以下特性，以確保長期運行，并保證數(shù)據(jù)不丟失。

• 數(shù)據(jù)副本

  Druid根據(jù)配置的副本數(shù)創(chuàng)建多個數(shù)據(jù)副本，所以單機失效不會影響Druid的查詢。

• 獨立服務(wù)

  Druid清晰的命名每一個主服務(wù)，每一個服務(wù)都可以根據(jù)使用情況做相應(yīng)的調(diào)整。服務(wù)可以獨立失敗而不影響其他服務(wù)的正常運行。例如，如果數(shù)據(jù)攝入服務(wù)失效了，將沒有新的數(shù)據(jù)被加載進系統(tǒng)，但是已經(jīng)存在的數(shù)據(jù)依然可以被查詢。

• 自動數(shù)據(jù)備份

  Druid自動備份所有已經(jīng)indexed的數(shù)據(jù)到一個文件系統(tǒng)，它可以是分布式文件系統(tǒng)，如HDFS。你可以丟失所有Druid集群的數(shù)據(jù)，并快速從備份數(shù)據(jù)中重新加載。

• 滾動更新

  通過滾動更新，你可以在不停機的情況下更新Druid集群，這樣對用戶就是無感知的。所有Druid版本都是向后兼容。

以上就是Apache Druid的知識匯總，內(nèi)容較為全面，小編相信有部分知識點可能是我們?nèi)粘９ぷ骺赡軙姷交蛴玫降摹ＯＭ隳芡ㄟ^這篇文章學(xué)到更多知識。