初始化提交文档
This commit is contained in:
YuCheng Hu
parent
ddcd6f9ee8
commit
f6d7ed97ab
62
README.md
62
README.md
|
|
@ -1,38 +1,32 @@
|
|||
## Apache Druid是一个高性能的实时分析型数据库
|
||||
|
||||
<script async src="https://pagead2.googlesyndication.com/pagead/js/adsbygoogle.js"></script>
|
||||
<ins class="adsbygoogle"
|
||||
style="display:block; text-align:center;"
|
||||
data-ad-layout="in-article"
|
||||
data-ad-format="fluid"
|
||||
data-ad-client="ca-pub-8828078415045620"
|
||||
data-ad-slot="7586680510"></ins>
|
||||
<script>
|
||||
(adsbygoogle = window.adsbygoogle || []).push({});
|
||||
</script>
|
||||
|
||||
* ### 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。在实际中[众多场景](Misc/usercase.md)下数据仓库解决方案中，可以考虑将Druid当做一种开源的替代解决方案。
|
||||
|
||||
* ### 可轻松与现有的数据管道进行集成
|
||||
|
||||
Druid原生支持从[Kafka](http://kafka.apache.org/)、[Amazon Kinesis](https://aws.amazon.com/cn/kinesis/)等消息总线中流式的消费数据，也同时支持从[HDFS](https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-hdfs/HdfsUserGuide.html)、[Amazon S3](https://aws.amazon.com/cn/s3/)等存储服务中批量的加载数据文件。
|
||||
|
||||
* ### 较传统方案提升近百倍的效率
|
||||
|
||||
Druid创新地在架构设计上吸收和结合了[数据仓库](https://en.wikipedia.org/wiki/Data_warehouse)、[时序数据库](https://en.wikipedia.org/wiki/Time_series_database)以及[检索系统](https://en.wikipedia.org/wiki/Search_engine_(computing))的优势，在已经完成的[基准测试](https://imply.io/post/performance-benchmark-druid-presto-hive)中展现出来的性能远远超过数据摄入与查询的传统解决方案。
|
||||
|
||||
* ### 解锁了一种新型的工作流程
|
||||
|
||||
Druid为点击流、APM、供应链、网络监测、市场营销以及其他事件驱动类型的数据分析解锁了一种[新型的查询与工作流程](Misc/usercase.md)，它专为实时和历史数据高效快速的即席查询而设计。
|
||||
|
||||
* ### 可部署在AWS/GCP/Azure,混合云,Kubernetes, 以及裸机上
|
||||
|
||||
无论在云上还是本地，Druid可以轻松的部署在商用硬件上的任何*NIX环境。部署Druid也是非常简单的，包括集群的扩容或者下线都也同样很简单。
|
||||
|
||||
---
|
||||
[中文文档](https://druid.apache.org/docs/latest/design/) |
|
||||
[官方网站](https://druid.apache.org/) |
|
||||
[官方文档（英文）](https://druid.apache.org/docs/latest/design/) |
|
||||
[开发者邮件地址](https://lists.apache.org/list.html?dev@druid.apache.org) |
|
||||
[用户邮件地址](https://groups.google.com/forum/#!forum/druid-user) |
|
||||
[Slack](https://s.apache.org/slack-invite) |
|
||||
[下载地址](https://druid.apache.org/downloads.html)
|
||||
---
|
||||
|
||||
## Apache Druid
|
||||
Apache Druid 是一个高性能的实时分析型数据库。
|
||||
|
||||
### 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。
|
||||
|
||||
在实际中[众多场景](Misc/usercase.md)下数据仓库解决方案中，可以考虑将Druid当做一种开源的替代解决方案。
|
||||
|
||||
### 可轻松与现有的数据管道进行集成
|
||||
Druid原生支持从[Kafka](http://kafka.apache.org/)、[Amazon Kinesis](https://aws.amazon.com/cn/kinesis/)等消息总线中流式的消费数据，也同时支持从[HDFS](https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-hdfs/HdfsUserGuide.html)、[Amazon S3](https://aws.amazon.com/cn/s3/)等存储服务中批量的加载数据文件。
|
||||
|
||||
### 较传统方案提升近百倍的效率
|
||||
Druid创新地在架构设计上吸收和结合了[数据仓库](https://en.wikipedia.org/wiki/Data_warehouse)、[时序数据库](https://en.wikipedia.org/wiki/Time_series_database)以及[检索系统](https://en.wikipedia.org/wiki/Search_engine_(computing))的优势，在已经完成的[基准测试](https://imply.io/post/performance-benchmark-druid-presto-hive)中展现出来的性能远远超过数据摄入与查询的传统解决方案。
|
||||
|
||||
### 解锁了一种新型的工作流程
|
||||
Druid为点击流、APM、供应链、网络监测、市场营销以及其他事件驱动类型的数据分析解锁了一种[新型的查询与工作流程](Misc/usercase.md)，它专为实时和历史数据高效快速的即席查询而设计。
|
||||
|
||||
### 可部署在AWS/GCP/Azure,混合云,Kubernetes, 以及裸机上
|
||||
无论在云上还是本地，Druid可以轻松的部署在商用硬件上的任何*NIX环境。部署Druid也是非常简单的，包括集群的扩容或者下线都也同样很简单。
|
||||
|
||||
> [!TIP]
|
||||
> 在国内Druid的使用者越来越多，但是并没有一个很好的中文版本的使用文档。 本文档根据Apache Druid官方文档0.20.1版本进行翻译，目前托管在Github上，欢迎更多的Druid使用者以及爱好者加入翻译行列，为国内的使用者提供一个高质量的中文版本使用文档。
|
||||
|
||||
|
|
|
|||
Loading…
Reference in New Issue