实时OLAP分析利器Druid介绍

前言

项目早期、数据(报表分析)的生产、存储和获取业务,MySQL基本上可以满足需要,但是随着业务的快速增长,数据量翻至亿为单位时,MySQL无法满足例如:快速实时返回“分组+聚合计算+排序聚合指标”查询需求。记得还是2017年之后,对当时的几款OLAP进行了调研,用线上数据训练。当时Druid在性能和功能上基本上能够满足需要,下面介绍一下Apache Druid。

Druid介绍

Apache Druid 是一个高性能实时分析数据库,在复杂的海量数据下进行交互式实时数据展现的OLAP工具。能够处理TB级别数据,毫秒级响应。目前国内在使用的公司有:阿里、滴滴、知乎、360、eBay,Hulu等。官方网址:http://druid.io

主要特性

  1. 开源、列式存储,预聚合
  2. 实时流式和批量数据摄入
  3. 灵活的数据模式、支持SQL查询
  4. 扩展方便,容易运维
  5. TB,PB级别的数据处理

基础概念

数据格式

    数据源:datasource,datasource的结构有:时间列(timestamp)、维度列(Dimension)和指标列(Metric)

    时间列:将时间相近的一些数据聚合在一起,查询的时候指定时间范围

    维度列:标识一些统计的维度,比如:名称、类别等

    指标列:用于聚合和计算的列,比如:访问总数、合计金额等

timestamp

demensions

metric

date

userid

username

age

sex

visits

costs

2020-01-01T00:00:00Z

100001

张三

20

201

20.10

2020-01-01T00:00:00Z

100002

李四

21

160

16.00

2020-01-01T00:00:00Z

100003

王五

20

100

10.00

数据摄入

    同时支持流式和批量数据摄入。通常通过像 Kafka 这样的消息总线(加载流式数据)或通过像 HDFS 这样的分布式文件系统(加载批量数据)来连接原始数据源。

实时OLAP分析利器Druid介绍?

实时OLAP分析利器Druid介绍

Druid 通过 Indexing 处理将原始数据以 segment 的方式存储在数据节点,segment 是一种查询优化的数据结构。

实时OLAP分析利器Druid介绍?

实时OLAP分析利器Druid介绍

数据存储

Druid 采用列式存储。根据不同列的数据类型(string,number 等),Druid 对其使用不同的压缩和编码方式。Druid 也会针对不同的列类型构建不同类型的索引。

类似于检索系统,Druid 为 string 列创建反向索引,以达到更快速的搜索和过滤。类似于时间序列数据库,Druid 基于时间对数据进行智能分区,以达到更快的基于时间的查询。

不像大多数传统系统,Druid 可以在数据摄入前对数据进行预聚合。这种预聚合操作被称之为 rollup,这样就可以显著的节省存储成本。

数据查询

    支持两种查询:JSON-HTTP,SQL两种方式

查询类型

    Timeseries:基于时间范围查询的类型

    TopN:基于单维度的排名查询

    GroupBy:基于多维度的分组查询

架构

实时OLAP分析利器Druid介绍?

实时OLAP分析利器Druid介绍

运维

Druid是非常健壮的系统,Druid 拥有数据副本、独立服务、自动数据备份和滚动更新,以确保长期运行,并保证数据不丢失。

OLAP方案对比

 

Druid

Kylin

Elasticsearch

Spark SQL

数据规模

超大

超大

中等

超大

查询效率

中等

并发度

SQL支持

灵活度

Druid: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。

Kylin:核心是Cube,Cube是一种预计算技术,基本思路是预先对数据作多维索引,查询时只扫描索引而不访问原始数据从而提速。

ES:最大的特点是使用了倒排索引解决索引问题。根据研究,ES在数据获取和聚集用的资源比在Druid高。

Spark SQL:基于Spark平台上的一个OLAP框架,基本思路是增加机器来并行计算,从而提高查询速度。

使用场景

  • 广告数据分析
  • 风控分析
  • 服务器指标存储
  • 应用性能指标
  • 实时在线分析系统 OLAP
  • 实时报表分析
  • 离线+实时数据源
  • 行为数据分析

使用建议

  1. 时序化数据:所有行记录中必须有日期指标
  2. OLAP并发有限,不适合OLTP查询,建议首次回源加Cache
  3. 目前不支持JOIN操作,不支持数据更新
  4. 离线数据替换前一天实时数据
  5. 分页支持的不够完善

另外、Druid在项目中已经投产多年,用OLAP方案解决业务上的问题,整理技术点为了方便相似业务同学参考和使用。

参考

https://druid.apache.org/docs/latest/design/

 

转载:https://www.cnblogs.com/guichenglin/p/12716475.html

实时OLAP分析利器Druid介绍

上一篇:整除 及 同余


下一篇:一双慧眼识别字节/字符流区别 | 带你学《Java语言高级特性》之五十七