OLAP中怎么使用Druid組件實現數據統計分析

本篇文章給大家分享的是有關OLAP中怎么使用Druid組件實現數據統計分析，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

1、Druid簡介

Druid是一款基于分布式架構的OLAP引擎，支持數據寫入、低延時、高性能的數據分析，具有優秀的數據聚合能力與實時查詢能力。在大數據分析、實時計算、監控等領域都有相關的應用場景，是大數據基礎架構建設中重要組件。

與現在相對熱門的Clickhouse引擎相比，Druid對高并發的支持相對較好和穩定，但是Clickhouse在任務隊列模式中的數據查詢能力十分出色，但是對高并發支持不夠友好，需要做好很多服務監控和預警。大數據組件中OLAP引擎的選型有很多，在數據的查詢引擎層通常都具有兩種或者以上的OLAP引擎，選擇合適的組件解決業務需求是優先原則。

2、基本特點

分布式

分布式的OLAP數據引擎，數據分布在多個服務節點中，當數據量激烈增長的時候，可以通過增加節點的方式進行水平擴容，數據在多個節點相互備份，如果單個節點出現故障，則可基于Zookeeper調度機制重新構建數據，這是分布式OLAP引擎的基本特點，在之前Clickhouse系列中也說過這個策略。

聚合查詢

主要針對時間序列數據提供低延時數據寫入和快速聚合查詢，時序數據庫特點寫入即可查詢，Druid在數據寫入時就會對數據預聚合，進而減少原始數據量，節省存儲空間并提升查詢效率;數據聚合粒度可以基于特定策略，例如分鐘、小時、天等。必須要強調Druid適合數據分析場景，并不適合單條數據主鍵查詢的業務。

列式存儲

Druid面向列的存儲方式，并且可以在集群中進行大規模的并行查詢，這意味在只需要加載特定查詢所需要的列情況下，查詢速度可以大幅度提升。

3、基礎架構

統治者節點

即Overlord-Node，任務的管理節點，進程監視MiddleManager進程，并且是數據攝入Druid的控制器，負責將提取任務分配給MiddleManagers并協調Segement發布。

協調節點

即Coordinator-Node，主要負責數據的管理和在歷史節點上的分布，協調節點告訴歷史節點加載新數據、卸載過期數據、復制數據、和為了負載均衡移動數據。

中間管理節點

即MiddleManager-Node，攝入實時數據，已生成Segment數據文件，可以理解為overlord節點的工作節點。

歷史節點

即Historical-Node，主要負責歷史數據存儲和查詢，接收協調節點數據加載與刪除指令，historical節點是整個集群查詢性能的核心所在，因為historical會承擔絕大部分的segment查詢。

查詢節點

即Broker-Node，扮演著歷史節點和實時節點的查詢路由的角色，接收客戶端查詢請求，并將這些查詢轉發給Historicals和MiddleManagers，當Brokers從這些子查詢中收到結果時，它們會合并這些結果并將它們返回給調用者。

數據文件存儲庫

即DeepStorage，存放生成的Segment數據文件。

元數據庫

即MetadataStorage，存儲Druid集群的元數據信息，比如Segment的相關信息。

協調中間件

即Zookeeper，為Druid集群提供協調服務，如內部服務的監控，協調和領導者選舉。

二、Druid部署

1、安裝包

imply對druid做了集成，并提供從部署到配置到各種可視化工具的完整的解決方案。

https://static.imply.io/release/imply-2.7.10.tar.gz

解壓并重新命名。

[root@hop01 opt]# tar -zxvf imply-2.7.10.tar.gz
[root@hop01 opt]# mv imply-2.7.10 imply2.7

2、Zookeeper配置

配置Zookeeper集群各個節點，逗號分隔。

[root@hop01 _common]# cd /opt/imply2.7/conf/druid/_common
[root@hop01 _common]# vim common.runtime.properties 
druid.zk.service.host=hop01:2181,hop02:2181,hop03:2181

關閉Zookeeper內置校驗并且不啟動。

[root@hop01 supervise]# cd /opt/imply2.7/conf/supervise
[root@hop01 supervise]# vim quickstart.conf

注釋掉如下內容：

3、服務啟動

依次啟動相關組件：Zookeeper、Hadoop相關組件，然后啟動imply服務。

[root@hop01 imply2.7]# /opt/imply2.7/bin/supervise -c /opt/imply2.7/conf/supervise/quickstart.conf

注意虛擬機內存問題，在如下的目錄中Druid各個組件的JVM配置，條件不允許的話適當拉低，并且要拉高JVM相關內存參數。

[root@hop01 druid]# cd /opt/imply2.7/conf/druid

啟動默認端口：9095，訪問界面如下：

三、基礎用法

1、數據源配置

選擇上述Http的方式，基于imply提供的JSON測試文件。

https://static.imply.io/data/wikipedia.json.gz

2、數據在線加載

執行上述：Sample and continue。

樣本數據加載配置：

數據列的配置：

配置項總體概覽：

最后執行數據加載任務即可。

3、本地樣本加載

[root@hop01 imply2.7]# bin/post-index-task --file quickstart/wikipedia-index.json

這樣讀取兩份數據腳本。

4、數據立方體

數據加載完成后，查看可視化數據立方體：

數據立方體中提供一些基礎的視圖分析，可以在多個維度上拆分數據集并進行數據分析：

5、SQL查詢

可以基于可視化工具對Druid進行SQL查詢，語法與常用規則幾乎一樣：

SELECT COUNT(*) AS Edits FROM wikipedia;
SELECT * FROM wikipedia WHERE "__time" BETWEEN TIMESTAMP '開始' AND TIMESTAMP '結束';
SELECT page, COUNT(*) AS Edits FROM wikipedia GROUP BY page LIMIT 2;
SELECT * FROM wikipedia ORDER BY __time DESC LIMIT 5;
SELECT * FROM wikipedia LIMIT 3;

6、Segment文件

文件位置：

/opt/imply2.7/var/druid/segments/wikipedia/

Druid基于Segment實現對數據的切割，數據按時間的時序分布，將不同時間范圍內的數據存儲在不同的Segment數據塊中，按時間范圍查詢數據時，可以避免全數據掃描效率可以極大的提高，同時面向列進行數據壓縮存儲，提高分析的效率。

以上就是OLAP中怎么使用Druid組件實現數據統計分析，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。