二、离线加载样本数据
如果无法访问公共Web 服务器，则可以从本地文件加载相同的数据集。该quickstart 目录包括一个样本数据集和一个摄取规范来处理数据， 分别命名 wikipedia-2016-06-27-sampled.json 和 wikipedia-index.json。
要为此摄取规范向Druid 提交索引作业，请从Imply 目录运行以下命令：
bin/post-index-task --file quickstart/wikipedia-index.json
成功运行将生成类似于以下内容的日志：
Beginning indexing data for wikipedia Task started: index_wikipedia_2017-12-05T03:22:28.612Z Task log: http://localhost:8090/druid/indexer/v1/task/index_wikipedia_2017- 12-05T03:22:28.612Z/log Task status: http://localhost:8090/druid/indexer/v1/task/index_wikipedia_2017- 12-05T03:22:28.612Z/status Task index_wikipedia_2017-12-05T03:22:28.612Z still running... Task index_wikipedia_2017-12-05T03:22:28.612Z still running... Task finished with status: SUCCESS Completed indexing data for wikipedia. Now loading indexed data onto the cluster... wikipedia is 0.0% finished loading... wikipedia is 0.0% finished loading... wikipedia is 0.0% finished loading... wikipedia loading complete! You may now query your data
三、创建数据立方体
通过单击顶部栏上的相应按钮切换到Imply 的“ 可视化”部分。从这里，您可以创建数据立方体来建模数据，浏览这些立方体，并将视图组织到仪表板中。首先单击+创建新数据多维数据集。
在出现的对话框中，确保wikipedia 选中此源并选择自动填充尺寸和度量。单击下一步继续：创建数据立方体。
四、可视化数据立方体
单击“ 保存”后，将自动加载此新数据多维数据集的数据立方体视图。将来，还可以通过从“ 可视化”屏幕单击数据立方体的名称（在此示例中为“Wikipedia”）来加载此视图。
在这里，可以通过过滤并在任何维度上拆分数据集来探索数据集。对于数据的每次过滤拆分，将看到所选度量的总值。
例如，在维基百科数据集上，通过在page 上拆分和按事件数排序查看最常编辑的page）。
数据立方体视图根据分割数据的方式建议不同的可视化。如果拆分字符串列，则数据最初将显示为表格。如果按时间拆分，数据立方体视图将推荐时间序列图，如果在数字列上拆分，则会到条形图。
五、运行SQL
访问SQL 编辑器。
SELECT page, COUNT(*) AS Edits FROM wikipedia WHERE "__time" BETWEEN TIMESTAMP '2016-06-27 00:00:00' AND TIMESTAMP '2016-06-28 00:00:00' GROUP BY page ORDER BY Edits DESC LIMIT 5
应该看到如下结果：
