Druid.io查询分析

前言

QueryId作为Druid区分查询的唯一标识，是我们定位查询问题有效的输入。用户查询有问题时，优先提供QueryId，如果在日志中捞不到的话，我们再根据dataSource名，interval以及查询装态来判断是哪条查询。

Druid Metrics

Druid 服务在运行时会将自身的一些metrics(指标信息)记录到日志文件中，也可以通过HTTP请求发送给其他的消息中间件，例如Apache Kafka。 默认情况下指标信息的记录是关闭的，需要在部署服务的时候手动开启。
在我们的集群中，Druid的指标信息是通过kafka实时落入Druid的一个dataSource中druid_metrics。metrics记录的是全维度信息，通过service维度来区分服务，通过metric来取分指标，且指标对应的的指标值为value。dataSource的schema可以入Druid的时候进行更改。不同服务对应的指标可以在官网查看[Druid Metrics](http://druid.io/docs/latest/operations/metrics.html。需要注意的是，有些指标是需要配置了相应的Monitor之后才可以记录的，具体信息可以在官网查看。

Superset

Superset 是一款由 Airbnb 开源的“现代化的企业级 BI（商业智能） Web 应用程序”，其通过创建和分享 dashboard，为数据分析提供了轻量级的数据查询和可视化方案。
Druid指标信息的可视化展示是通过Druid+Superset来实现的。Druid提供数据查询来源，而Superset则将结果通过报表或者其他的方式展示出来。这样我们可以很轻松地查看和分析Druid的很多指标信息，包括：查询指标，集群状态，服务负载等等。

查询问题分析

现在我们认为用户的唯一输入是queryId，则可以将其作为过滤条件筛选出相应的指标。

确定查询语句

首先，最重要的是我们要获取到用户的查询语句，而查询是请求Broker的，所以据提的查询我们可以在Broker的日志中获取。但是，如果有多个Broker，我们如何确定是哪个Broker？一个一个查可以，也可以通过druid_metrics查看。具体的查询语句如下：

{
   
    "queryType":"topN",
    "dataSource":"druid_metrics",
    "dimension":"host",
    "threshold":10,
    "metric":"count",
    "intervals":["2019-06-01T14:30:00+08:00/2019-06-06T14:40:00+08:00"],
    "granularity":"all",
    "filter":{
   
    	"type":"and"