Druid小传
RDBMS劣势
项目中采用的关系型数据库是mysql，那么关系型数据库有哪些优劣势，我们可以参考下面的分析：
关系型数据库的优点：
1.基于ACID，支持事务，适合于对安全性和一致性要求高的的数据访问
2.可以进行Join等复杂查询，处理复杂业务逻辑，比如：报表
3.使用方便，通用的SQL语言使得操作关系型数据库非常方便
关系型数据库的劣势：
1.不擅长大量数据的写入处理
2.每个字段都会占用一定的磁盘空间，不具有稀疏性
3.高并发下性能、吞吐量较低
4.扩展性不如非关系型数据库方便
根据上面的总结，随着每日增量数据的累加，短期来看mysql数据库是能够承载一定程度的数据量的，但是长期来看，mysql数据库将不堪重负。因此，我们需要寻找mysql数据库的替代方案，这里我们选择了apache druid实时数据库。
Druid简述
基于 Hadoop 的大数据平台，有如下一些问题：
(1)无法保障查询性能
对于Hadoop使用的MapReduce批处理框架，数据何时能够查询没有性能保证
(2)随机IO问题
HDFS以集群硬盘作为存储资源池的分布式文件系统;
在海量数据的处理过程中，会引起大量的读写操作，随机IO是高并发场景下的性能瓶颈
(3)数据查询效率问题
HDFS对于数据分析以及数据的即席查询，HDFS并不是最优的选择。
传统的Hadoop大数据处理架构更倾向于一种“后台批处理的数据仓库系统”，其作为海量历史数据保存、冷数据分析，确实是一个优秀的通用解决方案，但问题主要体现为：
1.无法保证高并发环境下海量数据的查询分析性能
2.无法实现海量实时数据的查询分析与可视化
Druid的介绍
Druid是由一个名为 MetaMarket 的公司开发的；2011年，MetaMarket 开始研发自己的"轮子"Druid，将Druid定义为“开源、分布式、面向列式存储的实时分析数据存储系统”。
要解决的"痛点"是：
1.在高并发环境下，保证海量数据查询分析性能
2.同时提供海量实时数据的查询、分析与可视化功能
Druid是面向海量数据的、用于实时查询与分析的OLAP存储系统。Druid的关键特性如下：
1.亚秒级的OLAP查询分析
采用了列式存储、倒排索引、位图索引等关键技术
2.在亚秒级别内完成海量数据的过滤、聚合以及多维分析等操作
3.实时流数据分析
传统分析型数据库采用的批量导入数据，进行分析的方式
Druid提供了实时流数据分析，以及高效实时写入
4.实时数据在亚秒级内的可视化
5.丰富的数据分析功能
Druid提供了友好的可视化界面
6.SQL查询语言
REST查询接口
7.高可用性与高可拓展性
Druid工作节点功能单一，不相互依赖
Druid集群在管理、容错、灾备、扩容都很容易
注意：阿里巴巴也曾创建过一个开源项目叫 Druid （简称阿里 Druid），它是一个数据库连接池项目。阿里 Druid 和 我们要讨论的Druid 没有任何关系，它们解决完全不同的问题
Druid的典型应用架构
Druid 对比其他OLAP
Druid vs. Elasticsearch
Druid在导入过程会对原始数据进行Rollup，而ES会保存原始数据
Druid专注于OLAP，针对数据导入以及快速聚合操作做了优化
Druid不支持全文检索
Druid vs. Key/Value Stores (HBase/Cassandra/OpenTSDB)
Druid采用列式存储，使用倒排和bitmap索引，可以做到快速扫描相应的列
Druid vs. Spark
Spark SQL的响应还不做到亚秒
Druid可以做到超低的响应时间，例如亚秒，而且高并发面向用户的应用。
Druid vs SQL-on-Hadoop (Impala/Drill/Spark SQL/Presto)
Driud查询速度更快
数据导入，Druid支持实时导入，SQL-on-Hadoop一般将数据存储在Hdfs上，Hdfs的写入速度有可能成为瓶颈
SQL支持，Druid也支持SQL，但Druid不支持Join操作
Druid vs. Kylin
Kylin不支持实时查询，Druid支持
Kylin支持表连接（Join），Druid不支持
