Go to file
liujianhuan df8a1511c7 ingestion part-1 2020-04-08 11:18:21 +08:00
Configuration add base infra 2020-03-23 11:27:24 +08:00
DataIngestion ingestion part-1 2020-04-08 11:18:21 +08:00
Design Indexer part 2020-04-07 17:30:40 +08:00
Development add base infra 2020-03-23 11:27:24 +08:00
GettingStarted change spec 2020-03-30 13:51:43 +08:00
Misc add super link in overview 2020-03-23 14:43:14 +08:00
Operations add base infra 2020-03-23 11:27:24 +08:00
Querying add base infra 2020-03-23 11:27:24 +08:00
Tutorials kerberized hdfs deep storage 2020-03-30 16:58:24 +08:00
styles website.css 2020-04-08 09:26:42 +08:00
.gitignore change summary 2020-04-04 21:13:48 +08:00
LICENSE Initial commit 2020-03-23 09:26:16 +08:00
README.md fix error word 2020-03-23 16:36:41 +08:00
SUMMARY.md ingestion infra 2020-04-07 17:49:09 +08:00
book.json expandable-chapters 2020-04-08 09:22:04 +08:00

README.md

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KafkaAmazon Kinesis等消息总线中流式的消费数据,也同时支持从HDFSAmazon 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时序数据库以及检索系统的优势,在已经完成的基准测试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,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0.17.0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。