Druid使用

官方文档：http://druid.io/docs/0.9.2/querying/querying.html

一、Druid使用场景:

• 整体数据条数大于等于500W
• 实时入库不保证不丢数据，需要离线来辅助
• Druid仅适用交互式OLAP分析场景，查询TPS无法满足大批量离线计算
• 不支持Join操作
• 明细查询不建议使用，并且不支持对明细数据的查询进行排序
• Double类型的指标字段存在精度问题，不适合特别精确统计的领域。https://www.cnblogs.com/bad-guy/p/7698845.html
• 定位交互式查询，不适合离线计算等批量查询的应用场景
• 优先使用单维度进行聚合查询，多维度组合在基数较大的时候，会存在严重的性能问题
• 单维度聚合优先推荐使用TopN操作，而不是GroupBy操作，Top1000是准确的，超过1000可能会不准确

二、druid-client:

1、 首先来认识下druid支持的哪些查询类型

Druid支持Timeseries、TopN、GroupBy、Time Boundary、Segment Metadata、DataSource Metadata、Search、Select八种查询类型。各类型适用场景如下：

1. Timeseries: 用于查询一段时间内某些指标的聚合值，但是不支持维度聚合
2. TopN: 按单维度聚合，查询一段时间内某些指标的聚合值
3. GroupBy: 按多个维度聚合，查询一段时间内某些指标的聚合值；支持having和orderBy语义，其中orderBy语义请参考
4. Select: 查询一段时间内的”明细“数据（由于Druid有Rollup语义，这里明细可能和入库原始数据不相符），支持按时间分页。
5. Search: 在一段时间内，对维度值进行查询，支持模糊查询，不推荐使用
6. Time Boundary: 查询datasource数据的时间边界
7. Segment Metadata: 查询Segment的meta信息
8. DataSource Metadata: 查询datasource的meta信息