Druid簡單介紹和優缺點
一、什麼是Apache Druid
Druid（德魯伊）是一個
分散式
的、支援
實時多維 OLAP 分析
、
列式儲存
的資料處理系統，支援高速的實時資料讀取處理、支援實時靈活的多維資料分析查詢。在Druid數十臺分散式叢集中支援每秒百萬條資料寫入，對億萬條資料讀取做到亞秒到秒級響應。此外，Druid支援根據時間戳對資料進行預聚合攝入和聚合分析，在時序資料處理分析場景中也可以使用Druid。
Druid有對應的GUI頁面，適用於實時資料提取、高效能查詢場景，例如：點選流分析、網路效能監控分析、實時線上OLAP分析等。Druid官網地址：http：//druid。apache。org/
注意:
阿里巴巴有個開源專案也叫Druid，是一個數據庫連線池專案。這裡說的Apache Druid與阿里巴巴的Druid沒有關係。
二、Druid優缺點
Druid有如下特點，也可以看做是Druid的優點：
列式儲存
Druid使用面相列的儲存，對於OLAP分析需要讀取列分析的場景加快了速度，同時一列資料中有很多共性的資料，資料的壓縮效果好，佔用空間小，支援快速掃描及聚合查詢。
可擴充套件的分散式架構
Druid在生產環境中可以部署到數十臺多數百臺伺服器組成的叢集中，可以提供每秒百萬條資料的寫入，針對萬億條記錄做到亞秒到秒級查詢。
支援平行計算
Druid可以在叢集中並行執行一個查詢。
支援實時或者批次讀取資料
Druid支援實時獲取資料，實時獲取的資料可以實時查詢，也支援批次讀取資料。
叢集自動平衡，方便運維
Druid叢集擴大或者縮小時，只需要增加或者減少對應的機器數，Druid叢集自動會平衡各個節點，不需要停機。
對資料進行預聚合或預計算
Druid可以人為指定按照某些時間粒度對相同維度的資料進行預聚合計算，既加快了查詢速度，也減少了資料儲存空間。
bitmap索引快速過濾
Druid中可以透過bitmap構建索引，對資料進行壓縮，加快查詢過濾速度。
基於時間的分割槽
Druid首先按照時間對資料進行分割槽，也可以使用其他欄位作為分割槽，這樣可以加快查詢速度，例如：基於時間的查詢只會查詢與時間匹配的分割槽。
Druid主要的優點在於支援流式和批次資料的匯入、高併發亞秒級查詢、儲存索引最佳化。但是還有一些缺點，缺點如下：
有限的join能力
Druid適用於清洗好的資料實時寫入，不需要更新資料，所以資料在寫入Druid之前一般需要拉寬處理，在從Druid中查詢資料時，直接查詢這張寬表即可。在Druid最新版本0。21。1支援join，join右側的表都會自動存放記憶體再做關聯，這樣會降低效能。
不支援多時間維度，所有維度為String型別
只支援流式寫入，不支援實時資料更新，更新可以使用批處理作業完成。
不支援精準去重
