参考链接：
https://www.cnblogs.com/momoyan/p/9614635.html
https://blog.csdn.net/weixin_38441544/article/details/82853651
http://www.zhyea.com/2018/07/12/druid-historical-broker-boot-failed.html
参考课程：
https://www.imooc.com/video/20024 慕课网
Druid支持对海量数据聚合存储，聚合查询
一、OLTP（数据操作）和OLAP（数据分析）系统的区别
Druid主要用于OLAP 数据分析，提供决策，仅支持查询
MySQL主要用于OLTP 数据操作，支持数据的增删查改，实时修改，支持事务
二、druid的应用场景
三、druid基本特点
四、OLAP系统方案对比
五、druid的架构
参考课程：https://www.imooc.com/video/19660
metadata 元数据，存在mysql中
deep storage , 存在hdfs中
六、datasource, chunk, segment druid的数据结构
七、druid集群部署
1.官网下载安装包
https://druid.apache.org/downloads.html
2.参考教程：https://www.imooc.com/video/19661
八、druid 数据摄取配置
overlord节点：发布任务
middlemanager节点：生产数据
historical节点：加载数据
broker节点：接收客户端的查询请求
九、Apache Druid 使用HDFS 构建离线数据摄取
需要从 mapreduce中摄取数据
此外 hdfs也可以作为druid的深度存储
十、Apache Druid 使用Kafka 构建实时数据摄取
1.kafka简介
consumer 消费者
consumer group 消费者组：不同的消费者组，互不影响，A组消费了topic 111的消息后，B组也可以去消费topic 111的消息
同一个消费者组里的消费者，有影响，若消费者数小于或者等于partition数，则一个消费者消费一个或者多个partition
若消费者数大于partition数，则有消费者消费不了消息，没有消息消费
就是同一个消费者组的消费者，会消费不同partition的消息，消费了就没了，不能重复消费
topic 不同类型的消息
partiton 分区，为了提高并行度
某些topic的消息多，就可以多设置几个partition, 提高并行度，
消息少，则可少设置几个partition
cosumer_offset 偏移量 消费了就会把偏移量返回给broker
2. kafka配置参考：https://www.imooc.com/video/19665
3.使用kafka 构建实时数据摄取