druid

druid 特点：

1. 分布式
2. 劣势
3. 实时分析

druid是数据存储系统。比原olap例如hive 要更实时， 便捷。

特点

1. 列式存储
2. 可扩展
3. 大规模并发查询
4. 实时批量处理
5. 自愈，自平衡， 易操作
6. 有效的预聚合和预计算
7. 使用bitmap压缩

数据的摄入方式：

应用场景

1. 适用于清洗好的记录实时录入，但不需要更新操作。如果是启动日志和事件日志就不行。
2. 适用于支持宽表，不用join的方式。即，只能运算单表；不能多表操作；
3. 适用于可以总结出基础的统计指标，用一个字段表示。意思是： 会将多条数据进行预计算。
4. 适用于实时性高的场景。
5. 适用于对数据质量的敏 感度不高的场景。预计算就是精确度不高。

缺点：

1. 是快， 但是舍弃了精度。
2. 不能多表join。只能单表

是一个实时处理时序数据的olap数据库。因为它的索引首先按照时间分片，查询的时候也是按照时间线去路由索引。

框架原理

数据结构

与druid架构相辅相成的是其基于datasource和segment的数据结构。才有了druid的高性能。

druid的datasource相当于关系型数据库中的表。
datasource的结构包括：

1. 时间列：表明每行数据的时间值，默认utc，精确到毫秒级
2. 维度列：维度来自于olap的概念， 标识数据航的各类信息
3. 指标列：用于聚合和计算的列。通常是一些数字，计算操作通常是count，sum等。

维度列，指标列是统称， 包含了多个列。
比如：publisher, advertise,gender 都是维度列
click， price都是指标列 。

druid在数据存储时便可以对数据进行聚合操作。

datasource是一个逻辑概念。segment才是数据的实际物理存储格式。
将不同时间范围内的数据存储在不同的segment数据块中，这就是数据横向切割。按时间横向切割，避免了权标查询，极大提高效率。

segment中，也采用发了面向列进行数据压缩存储，bitmap压缩。这就是所谓的数据纵向切割。

横轴按照时间切， 纵轴按照列切。

roll up 聚合

可扩展

drui安装

安装方式分为使用官方安装包，也可以通过第三方imply安装。
下面记录的是使用imply安装。
（1）解压压缩包；
（2）修改zk配置：

vi con/druid/_common/common.runtime.properties
druid.zk.service.host=172.33.21.40:9092

(3) 修改quickstart.conf

vi conf/supervise/quickstart.conf
:verify bin/verify-java
#:verify bin/verify-default-ports
#:verify bin/verify-version-check
:kill-timeout 10
#!p10 zk bin/run-zk conf-quickstart

(4) 启动zk
(5) 启动imply

bin/supervise -c conf/supervise/quickstart.conf

(6) 访问172.33.21.40:9095