以下内容都是来自:《Druid实时大数据分析原理与实践》
1,做这个笔记不知道能不能坚持下去,主要是想看这本书,使用Druid做尝试了解探索一下实时数仓。
2,最近没那么多时间研究,看一点十一点,有兴趣的同学可以留言以及联系我,我们一起讨论研究一下这个实时数仓怎么玩,也可以相互分享一下个人资料跟经验
一, 入门之前先了解一下Druid的一些特点跟基础认知:
1,快速的,列式的分布式的支持实时分析的数据存储系统,它比传统的OLAP系统有了显著的性能改进。
2,列式存储,可以扩展的分布式系统,大规模并行处理
3,实时,批量摄取 --实时跟离线都可以做
4,预聚合或预计算
二,适应的应用场景
三,技术特点:
1,数据吞吐量大,几十或者上百亿没问题
2,支持流式数据摄入和实时
3,查询灵活且快
四,Druid的基础概念
1,数据格式:
1) 时间列:
每个数据集合都必须有时间列,这个列是数据聚合的重要维度,Druid会将时间很近的一些数据行聚合在一起。另外,所有的查询都需要指定查询时间范围。
2)维度列 --可以理解为维度条件
3) 指标列 --用于聚合和计算的列
指标列字段通常为数值类型,计算操作通常包括Count,Sum 和 Mean等。通常是业务的关键量化指标,如下图:
2,数据摄入,或者数据来源
1)实时数据摄入 : kafka+Flink+Druid
2)离线批量摄入 : Flink,Spark+Druid
3,数据查询
Druid原生查询是才有JSON格式,通过HTTP传送, 不支持标准的SQL语言查询。
五,Druid的性能指标
六,参考资料: