iSharkFly-Docs
/
druid-docs-cn
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

when should i use druid

This commit is contained in:
liujianhuan 2020-03-24 10:36:02 +08:00
parent fd544ebcb9
commit a84128fc35
1 changed files with 20 additions and 1 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

19
GettingStarted/chapter-1.md
View File

@ -26,3 +26,22 @@ Druid的核心架构吸收和结合了[数据仓库](https://en.wikipedia.org/wi
10. **摄取时自动汇总聚合**，Druid支持在数据摄取阶段可选地进行数据汇总，这种汇总会部分预先聚合您的数据，并可以节省大量成本并提高性能。 10. **摄取时自动汇总聚合**，Druid支持在数据摄取阶段可选地进行数据汇总，这种汇总会部分预先聚合您的数据，并可以节省大量成本并提高性能。
### 什么场景下应该使用Druid ### 什么场景下应该使用Druid
许多公司都已经将Druid应用于多种不同的应用场景，详情可查看[Powered by Apache Druid](https://druid.apache.org/druid-powered)页面。
如果您的使用场景符合以下的几个特征，那么Druid是一个非常不错的选择：
* 数据插入频率比较高，但较少更新数据
* 大多数查询场景为聚合查询和分组查询（GroupBy），同时还有一定得检索与扫描查询
* 将数据查询延迟目标定位100毫秒到几秒钟之间
* 数据具有时间属性（Druid针对时间做了优化和设计）
* 在多表场景下，每次查询仅命中一个大的分布式表，查询又可能命中多个较小的lookup表
* 场景中包含高基维度数据列（例如URL，用户ID等），并且需要对其进行快速计数和排序
* 需要从Kafka、HDFS、对象存储（如Amazon S3）中加载数据
如果您的使用场景符合以下特征，那么使用Druid可能是一个不好的选择：
* 根据主键对现有数据进行低延迟更新操作。Druid支持流式插入，但不支持流式更新（更新操作是通过后台批处理作业完成）
* 延迟不重要的离线数据系统
* 场景中包括大连接（将一个大事实表连接到另一个大事实表），并且可以接受花费很长时间来完成这些查询