Druid索引好的数据存放在Historical节点中。随着数据规模扩大，分离数据的需求日益迫切。Druid提供Tier机制与数据加载Rule机制，可实现灵活的数据分布。
Tier机制将Historical节点分组，默认所有节点属于“_default_tier”，可通过配置文件中的“druid.server.tier”参数指定分组。Tier仅针对Historical节点，与datasource无关。
Rule机制是数据分离的基础，针对datasource生效。Rule分Load与Drop两大类，每类又分Period、Interval和Forever三种。应用Rule遵循两个原则：按顺序执行；每条数据只能应用一条Rule。
典型应用场景：
冷热数据分离：将热数据放在配置较好的机器，冷数据放在较差机器。通过Tier分组并配置Rule，近期数据加载到hot组，其余加载到默认组。同时可调整冷数据节点的缓存容量。
备份数据分离：为保证高可用，将数据分布到不同Tier的机器上，配置多副本Rule，避免单机架故障导致不可用。
业务数据分离：优先保障重要业务，将不同业务分配至不同Tier，重要业务配置更多机器资源。
加载部分数据：报表类业务通常只关注近期数据，可配置Rule仅保留最近数据，其余从Historical中删除（Deep Storage中数据保留，删除Rule后可重新加载）。注意Rule顺序，避免误删全部数据。
数据分离对查询效率的影响：Druid通过操作系统Buffer减少IO，并采用分布式查询树增加并行度。数据分离会降低Historical节点并行度，也可能破坏热数据常驻内存的原则，从而影响查询效率。尤其在集群规模较小时影响较大，因此分离数据需谨慎。
