zoukankan      html  css  js  c++  java
  • Druid: A Real-time Analytical Data Store

    Druid一种实时数仓,针对的场景和目的,如下比较明确

    Druid was originally designed to solve problems around ingesting and exploring large quantities of transactional events (log data).

    Our goal is to rapidly compute drill-downs and aggregates(roll-ups) over this data.

     

    这篇文章主要内容是描述Druid的架构,对实时数仓的设计是否有借鉴作用

     

    存储上,

    Mysql用来存储元数据配置

    Zookeeper用于分布式一致性,选主

    Deep Stroage,比如S3,用来放历史数据

    节点上,

    Real-time Nodes

    主要是用于消费和查询实时数据的,

    数据会先在内存中建立index,避免oom,到达一定行数阈值,会presist到磁盘,presist的时候会由行存变换到列存格式

    一个后台程序会不断的把磁盘上的indexes,进行merge,并且上传到deep storage

    下面举了个例子,

    何时会flush,presist?何时会merge,上传?

    这里还考虑了late data,但是一旦窗口结束,该时间段的数据完成merge和上传,实时节点会拒绝too late 数据

     

     Druid实时节点的scalability和availability,都是依赖kafka来保障的,降低druid本身的设计成本

    Historical Nodes

    这个节点的设计比较简单了,不涉及写入

    只是不变数据segments的加载和查询,为了加载效率,需要实现local cache

    Brokers

    routers,把查询分解,分别去查询real-time和historical节点

    还需要在返回前,merge不同节点的数据,这里merge不是怎么简单的,论文并没有写详细的过程,比如top10,怎么merge

    为了提升查询性能,

    会增加查询cache,这里只会对historical node的查询结果进行cache,不会cache real-time节点的返回,因为变的太快

    Coordinator Nodes

    中控节点

    管下面这些事,

    综合一下,本论文,主要描述冷热数据分离,读写分离的一套实时数仓的架构

  • 相关阅读:
    12.C语言控制窗口
    11.字符,字符常见开发,_itoa函数
    Clusterware 和 RAC 中的域名解析的配置校验和检查 (文档 ID 1945838.1)
    导致实例逐出的五大问题 (文档 ID 1526186.1)
    如何诊断 11.2 集群节点驱逐问题 (文档 ID 1674872.1)
    11gR2新特性---Gpnp守护进程
    CSS 功能简介
    11gR2新特性---gipc守护进程
    10g集群启动顺序
    11gR2集群件任务角色分离(Job Role Separation)简介
  • 原文地址:https://www.cnblogs.com/fxjwind/p/12049469.html
Copyright © 2011-2022 走看看