Druid的数据存储以datasource为单位，按时间划分chunk，每个chunk包含多个segment。segment是存储的基本单元，不可变且采用列式存储。时间戳和指标列以数组存储，维度列使用字典编码和位图索引。Druid支持Hash和Range两种Shard策略，以平衡数据和提高查询效率。Segment命名包含数据源、时间间隔、版本号和分区信息，大小建议在300MB~700MB之间。聚合操作在数据存储时即可完成，提高查询效率。
Druid DataSource
Druid中的数据存储在被称为datasource中，类似RDMS中的table！
每个datasource按照时间划分。每个时间范围称为一个chunk(一般都是以天分区，则一个chunk为一天)！！！ //也可以按其他属性划分
在chunk中数据被分为一个或多个segment，每个segment都是一个单独的文件，通常包含几百万行数据
注：这些segment是按照时间组织成的chunk，所以在按照时间查询数据时，效率非常高。
数据分区：
任何分布式存储/计算系统，都需要对数据进行合理的分区，从而实现存储和计算的均衡，以及数据并行化。
而Druid本身处理的是事件数据，每条数据都会带有一个时间戳，所以很自然的就可以使用时间进行分区。
为什么一个chunk中的数据包含多个segment！！！？？？？原因就是二级分区
二级分区：
很可能每个ch
最低0.47元/天 解锁文章
扫一扫
340
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
