Druid 简介

Druid是一款开源的，为实时和离线数据的亚秒级查询设计的数据存储引擎。它主要用于对事实数据（event data）进行商业智能OLAP分析。Druid提供低延时（实时）数据导入，灵活的数据探索（data exploration）和快速的数据聚合。目前Druid可以适用于万亿条和PB级的数据量，Druid最常用于面向用户的数据分析应用中。

关键词

• 亚秒级OLAP查询
• 实时数据流的导入
• 多用户同时查询
• 成本和性能的平衡
• 高可用性
• 可扩展性

Druid是否适合我？

这部分提供了Druid适合满足的需求。如果我们要开发的应用正好有相同的需求，那么Druid是一个很好的选择。

• 快速聚合和OLAP查询的应用
• 实时数据分析（当然，Druid同样可以满足离线数据分析的需求）
• 海量数据（万亿条，PB级）
• 始终可用的数据存储引擎

Druid与其他引擎的比较

这里将Druid和其他常见的数据存储和查询引擎进行对比，以便于更好的理解Druid使用场景。

• Druid vs Elastichsearch

	Druid	Elasticsearch
整体定位	OLAP引擎，提供高性能、低成本的数据分析操作	用于搜索系统，提供全文本的搜索功能
数据格式	结构化数据，需要提前定义好数据schema	非结构化数据，可以导入任意schema的数据
存储要求	可以在数据导入时进行汇总聚合，缩减数据量	原始日志级的存储，存储增长较快
聚合特性	专门为数据聚合查询优化	也可以支持数据聚合查询，但资源开销较大

• Druid vs Key/Value Stores（HBase..）

	Druid	Key/Value Stores
OLAP查询方式	支持任何维度下的指标聚合查询	聚合查询需要将所有可能的查询集合预计算并保存，需要大量的预计算和存储开销。Range scan的聚合方式由于没有针对维度和时间列进行索引，需要扫描大量的数据行，当数据量增加时，查询性能会大幅降低

• Druid vs SQL-on-Hadoop（Impala/Drill/Spark SQL/..）

	Druid	SQL-on-Hadoop
查询方式	数据在每个server查询，查询结果在servers之间传输	数据从存储层到计算层，存在一定的延迟（serde time）
数据导入	支持实时数据的导入，并可以立即查询	基于HDFS的存储方式，限制了数据导入的速率
查询灵活性	Druid的查询语句偏底层，SQL的支持上存在不完善（不支持JOIN）	对SQL查询支持良好

总结

Druid最适合的场景是，对海量实时数据，从Kafka导入到Druid中，并进行OLAP查询。当然，Druid同时也支持离线数据的导入和查询，也可以达到很高的查询性能。