海量时间序列数据的实时查询系统（Druid系统）概述

Druid是为处理海量时间序列数据而设计的一款开源的OLAP系统。它是分布式处理系统，在设计之初就采纳了线性扩容和高可用的设计方案。集群的规模可以随着业务的增长而动态增加。要查询的数据集都做了分片（partition）和副本（replication），可以在集群部分机器down机之后，查询服务依然可用。Druid采用模块化设计的理念，模块之间的依赖通过Guice依赖注入框架自动进行，Druid支持用户自定义的组件，方便用户扩展。

Druid擅长按照不同的时间粒度（Time Granularity）和各种维度（Dimensions）组合去查询聚合数据，不擅长原始数据的查询。Druid的实时性体现在两个方面。一是Druid查询的响应时间非常快，大部分查询会在10s以内返回。二是能够查询的数据的时效性非常高，进入Druid采集系统的数据，就能被立即查询到，延迟在ms级别。

数据源

Druid仅支持时间序列类型的数据源，例如

时间（timestamp）列标示事件发生的时间，必须存在。该数据在进入采集系统后，会按照配置的时间粒度（半小时，小时，天，周，月，年等）进行聚合。

维度（dimensions）列标示数据里面的维度信息，一般为string类型。

度量（metrics）数据标示数据里面的各种度量信息，数据一般为数据类型

Druid系统在做数据查询时，一般会按照时间粒度和维度做分组，然后在各个分组内部聚合度量数据，聚合的方法有sum，mean，max，min等。Druid系统也支持自定义的聚合函数。

核心服务

Druid的核心服务有两种：数据采集服务和数据查询服务，为了保证数据的时效性，所有采集服务的数据均可以被查询系统所查询。Druid系统服务内部有一系列相互独立的服务进程构成，进程之间不会直接通信（比如RPC），而是通过zookeeper进行间接通信。查询的接口以restapi的方式提供给上层。

数据采集服务

时间序列数据通过采集服务进入到Druid集群。Druid不保存时间序列的原始信息，仅保存聚合之后的数据集。聚合一般按照时间和数据维度进行。为了加快查询的速度，Dr