commit
b03e7ccc8b
|
@ -29,6 +29,10 @@ Druid 具有非常强大的 UI 界面,能够让用户进行 即席查询(Ad-
|
|||
|
||||
即席查询是指那些用户在使用系统时,根据自己当时的需求定义的查询。
|
||||
|
||||
对即席查询来说,用户需要查询的内容在开始的时候是不知道的,因此查询需要更多的维度,查询很多时候都是在运行的时候再构建的。
|
||||
|
||||
Druid 的查询能够很好的支持即席查询,但同时也带来一些复杂性和学习曲线。
|
||||
|
||||
### 云原生、流原生的分析型数据库
|
||||
Druid专为需要快速数据查询与摄入的工作流程而设计,在即时数据可见性、即席查询、运营分析以及高并发等方面表现非常出色。
|
||||
|
||||
|
|
|
@ -1,6 +1,6 @@
|
|||
# Druid 资源快速导航
|
||||
|
||||
## Druid 入门与基础
|
||||
## 入门与基础
|
||||
* [十分钟了解 Apache Druid](https://www.ossez.com/t/apache-druid/13566) -
|
||||
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。
|
||||
|
@ -15,11 +15,11 @@
|
|||
* [有人说下 kudu,kylin,druid,clickhouse 的区别,使用场景么](https://www.ossez.com/t/kudu-kylin-druid-clickhouse/13569) -
|
||||
Kylin 和 ClickHouse 都能通过 SQL 的方式在 PB 数据量级下,亚秒级(绝多数查询 5s内返回)返回 OLAP(在线分析查询) 查询结果。
|
||||
|
||||
* [OLAP 演进实战,Druid 对比 ClickHouse 输在哪里?](https://www.manongdao.com/article-2427509.html) -
|
||||
本文介绍eBay广告数据平台的基本情况,并对比分析了ClickHouse与Druid的使用特点。
|
||||
基于ClickHouse表现出的良好性能和扩展能力,本文介绍了如何将 eBay 广告系统从 Druid 迁移至 ClickHouse,希望能为同业人员带来一定的启发。
|
||||
* [OLAP 演进实战,Druid 对比 ClickHouse 输在哪里](https://www.ossez.com/t/olap-druid-clickhouse/13570) -
|
||||
本文介绍 eBay 广告数据平台的基本情况,并对比分析了 ClickHouse 与 Druid 的使用特点。
|
||||
基于 ClickHouse 表现出的良好性能和扩展能力,本文介绍了如何将 eBay 广告系统从 Druid 迁移至 ClickHouse,希望能为同业人员带来一定的启发。
|
||||
|
||||
* [clickhouse 和 druid 实时分析性能总结](https://www.pianshen.com/article/26311113725/) -
|
||||
* [clickhouse 和 druid 实时分析性能总结](https://www.ossez.com/t/clickhouse-druid/13571) -
|
||||
clickhouse 是俄罗斯的搜索引擎(Yandex)公司在 2016 年开源的,一款针对大数据实时分析的高性能分布式数据库,与之对应的有 hadoop 生态 hive,Vertica 和 palo。
|
||||
|
||||
## 源代码与进阶
|
||||
|
@ -63,14 +63,15 @@
|
|||
* [Druid原理分析之Segment的存储结构](https://blog.csdn.net/mytobaby00/article/details/79801425)
|
||||
|
||||
|
||||
## Druid 优化与实践
|
||||
## 优化与实践
|
||||
* [快手 Druid 精确去重的设计和实现](https://www.ossez.com/t/druid/13565) -
|
||||
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。
|
||||
|
||||
* [基于ApacheDruid 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
|
||||
* [基于 Apache Druid 实时分析平台在爱奇艺的实践](https://www.ossez.com/t/apache-druid/13575) -
|
||||
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。
|
||||
|
||||
* [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。
|
||||
|
|
|
@ -22,13 +22,15 @@ title: "Papers"
|
|||
~ under the License.
|
||||
-->
|
||||
|
||||
## Papers
|
||||
## 相关文献
|
||||
|
||||
* [Druid: A Real-time Analytical Data Store](http://static.druid.io/docs/druid.pdf) - Discusses the Druid architecture in detail.
|
||||
* [Druid: 一个实时的分析数据存储](https://www.ossez.com/t/druid/13572) -
|
||||
讨论有关 Druid 的体系结构。
|
||||
|
||||
* [The RADStack: Open Source Lambda Architecture for Interactive Analytics](http://static.druid.io/docs/radstack.pdf) - Discusses how Druid supports real-time and batch workflows.
|
||||
* [RADStack:针对交互式分析(Interactive Analytics)的开源 Lambda 体系结构](https://www.ossez.com/t/interactive-analytics-lambda/13573) -
|
||||
讨论了 Druid 是如何能够支持实时和批量的工作流。
|
||||
|
||||
## Presentations
|
||||
## 演示文稿
|
||||
|
||||
* [Introduction to Druid](https://www.youtube.com/watch?v=hgmxVPx4vVw) - Discusses the motivations behind Druid and the architecture of the system.
|
||||
|
||||
|
|
Loading…
Reference in New Issue