add t

Misc/basicused.md

@@ -1,7 +0,0 @@
-## Druid的基本使用类文章合集
-
-1. [Apache Druid性能测评-云栖社区-阿里云](https://developer.aliyun.com/article/712725)
-
-    [原文链接](https://developer.aliyun.com/article/712725)
-    
-2. 

Misc/learning.md

@@ -0,0 +1,13 @@
+## Druid入门学习类文章
+
+1. [十分钟了解Apache Druid](https://www.cnblogs.com/WeaRang/p/12421873.html)
+   
+   Apache Druid是一个集时间序列数据库、数据仓库和全文检索系统特点于一体的分析性数据平台。本文将带你简单了解Druid的特性，使用场景，技术特点和架构。这将有助于你选型数据存储方案，深入了解Druid存储，深入了解时间序列存储等。
+
+   [原文链接](https://www.cnblogs.com/WeaRang/p/12421873.html)
+
+2. [勾叔谈大数据：大厂做法：Apache Druid在电商领域的实践应用](https://www.bilibili.com/read/cv8594505)
+   
+   Apache Druid虽然尚未在各个企业绝对普及，但是在互联网大厂是得到了较多应用的，毕竟它出道时间不长，还算作是新技术呢，而对于新技术，互联网一线大厂往往是践行者。
+
+   [原文链接](https://www.bilibili.com/read/cv8594505)

Misc/optimized.md

@@ -6,3 +6,25 @@
    快手的业务特点包括超大数据规模、毫秒级查询时延、高数据实时性要求、高并发查询、高稳定性以及较高的 Schema 灵活性要求；因此快手选择 Druid 平台作为底层架构。由于 Druid 原生不支持数据精确去重功能，而快手业务中会涉及到例如计费等场景，有精确去重的需求。因此，本文重点讲述如何在 Druid 平台中实现精确去重。另一方面，Druid 对外的接口是 json 形式 ( Druid 0.9 版本之后逐步支持 SQL ) ，对 SQL 并不友好，本文最后部分会简述 Druid 平台与 MySQL 交互方面做的一些改进。
 
    [原文链接](https://www.infoq.cn/article/YdPlYzWCCQ5sPR_iKtVz)
+
+2. [基于ApacheDruid的实时分析平台在爱奇艺的实践](https://www.sohu.com/a/398880575_315839)
+
+   爱奇艺大数据服务团队评估了市面上主流的OLAP引擎，最终选择Apache Druid时序数据库来满足业务的实时分析需求。本文将介绍Druid在爱奇艺的实践情况、优化经验以及平台化建设的一些思考
+
+   [原文链接](https://www.sohu.com/a/398880575_315839)
+
+3. [熵简技术谈 | 实时OLAP引擎之Apache Druid：架构、原理和应用实践](https://zhuanlan.zhihu.com/p/178572172)
+   
+   本文以实时 OLAP 引擎的优秀代表 Druid 为研究对象，详细介绍 Druid 的架构思想和核心特性。在此基础上，我们介绍了熵简科技在数据智能分析场景下，针对私有化部署与实时响应优化的实践经验。
+
+   [原文链接](https://zhuanlan.zhihu.com/p/178572172)
+
+4. [Apache Druid性能测评-云栖社区-阿里云](https://developer.aliyun.com/article/712725)
+
+    [原文链接](https://developer.aliyun.com/article/712725)
+    
+5. [Druid在有赞的实践](https://www.cnblogs.com/oldtrafford/p/10301581.html)
+   
+   有赞作为一家 SaaS 公司，有很多的业务的场景和非常大量的实时数据和离线数据。在没有是使用 Druid 之前，一些 OLAP 场景的场景分析，开发的同学都是使用 SparkStreaming 或者 Storm 做的。用这类方案会除了需要写实时任务之外，还需要为了查询精心设计存储。带来问题是：开发的周期长；初期的存储设计很难满足需求的迭代发展；不可扩展。
+
+   [原文链接](https://www.cnblogs.com/oldtrafford/p/10301581.html)

Misc/sourcecode.md

@@ -5,3 +5,25 @@
     在大数据应用组件中，有两款OLAP引擎应用广泛，一款是偏离线处理的Kylin，另一个是偏实时的Druid。Kylin是一款国人开源的优秀离线OLAP引擎，基本上是Hadoop领域离线OLAP事实标准，在离线报表，指标分析领域应用广泛。而Apache Druid则在实时OLAP领域独领风骚，优异的性能、高可用、易扩展。
 
     [原文链接]((https://blog.csdn.net/yueguanghaidao/article/details/102531570))
+
+2. [Apache Druid源码解析的一个合集](https://blog.csdn.net/mytobaby00/category_7561069.html)
+
+   [原文链接](https://blog.csdn.net/mytobaby00/category_7561069.html)
+
+   * [Druid中的Extension在启动时是如何加载的](https://blog.csdn.net/mytobaby00/article/details/79857681)
+   * [Druid解析之管理用的接口大全](https://blog.csdn.net/mytobaby00/article/details/80088795)
+   * [Druid原理分析之内存池管理](https://blog.csdn.net/mytobaby00/article/details/80071101)
+   * [Druid源码解析之Segment](Druid源码解析之Segment)
+   * [Druid源码解析之Column](https://blog.csdn.net/mytobaby00/article/details/80056826)
+   * [Druid源码解析之HDFS存储](https://blog.csdn.net/mytobaby00/article/details/80045662)
+   * [Druid源码解析之Coordinator](https://blog.csdn.net/mytobaby00/article/details/80041970)
+   * [让Druid实现事件设备数留存数的精准计算](https://blog.csdn.net/mytobaby00/article/details/79804685)
+   * [在Druid中定制自己的扩展【Extension】](https://blog.csdn.net/mytobaby00/article/details/79803605)
+   * [Druid原理分析之“批”任务数据流转过程](https://blog.csdn.net/mytobaby00/article/details/79802776)
+   * [Druid原理分析之“流”任务数据流转过程](https://blog.csdn.net/mytobaby00/article/details/79801614)
+   * [Druid原理分析之Segment的存储结构](https://blog.csdn.net/mytobaby00/article/details/79801425)
+   * [Druid索引与查询原理简析](https://blog.csdn.net/mytobaby00/article/details/79800553)
+   * [Druid中的负载均衡策略分析](https://blog.csdn.net/mytobaby00/article/details/79860836)
+   * [Druid中的Kafka Indexing Service源码分析](https://blog.csdn.net/mytobaby00/article/details/79858403)
+   * [Druid源码分析之Query -- Sequence与Yielder](https://blog.csdn.net/mytobaby00/article/details/80103230)
+   * [Druid原理分析之Segment的存储结构](https://blog.csdn.net/mytobaby00/article/details/79801425)

SUMMARY.md

@@ -1,7 +1,7 @@
 # Summary
 
 * [优质技术文章合集]()
-  * [基本使用类](Misc/basicused.md)
+  * [入门学习类](Misc/learning.md)
   * [源码解读类](Misc/sourcecode.md)
   * [优化实践类](Misc/optimized.md)