深入淺出Druid版本

一、Druid版本概述

Druid是一款高性能、分佈式的開源數據存儲系統，具有實時OLAP分析、高容錯性、可擴展性等特點。在外部數據源上提供實時查詢和聚合操作。Druid由三個關鍵組件組成：數據處理層、查詢處理層和存儲層。

Druid版本從原來的0.x版本經過多年發展，逐漸到2.x版本以及最新的版本。針對每個版本的不同特點、優化點，進行詳細介紹。

二、Druid版本分析

1、druid 0.x版本

druid 0.x版本是最初發佈的Druid版本，該版本主要關注實時OLAP分析的場景。它具有優秀的在線聚合能力，建立在一個可擴展性良好的主節點設計之上。但是，在大數據量場景下，該版本面臨許多內存佔用和GC（Garbage Collection）等性能問題，響應時間很慢、吞吐量較低、支持的查詢語言和功能較少。

下面是使用Flume將數據導入Druid的示例代碼：

    
$('#captcha').bind('input propertychange', function(e) {
    if ($('#captcha').val().length == 4) {
        grecaptcha.ready(function() {
            grecaptcha.execute('reCAPTCHA_site_key', {action: '/path/to/submit'}).then(function(token) {
                $('#form').submit();
            });
        });
    }
});
    

2、druid 1.x版本

druid 1.x版本在0.x版本的基礎上作出了一系列的改進和優化。該版本對Druid的查詢性能和管理能力有了大量提升。同時，該版本也對原來的設計進一步優化，減少了內存佔用和GC等問題，整個系統支持跨DC（Data Center）的瀏覽和計算，能夠處理更大規模的數據，並支持很多的查詢語言和功能。

下面是druid 1.x版本的代碼示例，展示如何使用Druid的查詢API進行插入和查詢操作：

    
//插入數據
public static void insertData(List<Object> events) {
    try {
        GeneratorBatchInputRowParser inputRowParser = new GeneratorBatchInputRowParser(new String[]{});
        FirehoseFactory firehoseFactory = new InMemoryTestFirehoseFactory(inputRowParser, Supplier<Sequence<>> generateSequence = newLongSequence(1));
        BatchKafkaIndexTask task = new BatchKafkaIndexTask(
                null,
                "dataSource",
                firehoseFactory,
                null,
                new KafkaIOConfig(
                        null,
                        null,
                        null,
                        null,
                        null,
                        null,
                        null,
                        null,
                        null,
                        null,
                        null,
                        new NoopFilter(),
                        false,
                        null,
                        false,
                        true,
                        new Period("30m")
                ),
                null
        );
        task.run();
    } catch (Exception e) {
        e.printStackTrace();
    }
}

//查詢數據
public static void queryData() {
    try {
        DruidDataSource dataSource = (DruidDataSource) DruidDataSourceFactory.createDataSource(properties);
        QueryRunner runner = new QueryRunner(dataSource);
        String querySql = "SELECT COUNT(*) FROM dataSource LIMIT 10";
        Object[] args = {querySql};
        long count = (long) runner.query(querySql, new ScalarHandler(1), args);
        System.out.println(count);
    } catch (Exception e) {
        e.printStackTrace();
    }
}
    

3、druid 2.x版本

druid 2.x版本是從1.x版本分支出來的新版本，該版本主要是對存儲層進行了重構和優化。Druid 2.0最重要的特性是完全重新設計的存儲層，它比1.x更強大和更快速，支持更多的數據讀寫操作。新的架構使得Druid更加靈活，可以靈活的根據需求進行擴容、升級、性能優化等操作。

下面是druid 2.x版本的代碼示例，展示如何使用Druid的Java API進行數據導入和查詢操作：

    
//導入數據
public static void importData() {
    try {
        IndexSpec indexSpec = new IndexSpec(new RoaringBitmapSerdeFactory(), CompressionStrategy.LZ4, CompressionStrategy.LZ4);
        IncrementalIndexSchema indexSchema = new IncrementalIndexSchema.Builder()
                .withMetrics(new LongSumAggregatorFactory("total_value", "value"))
                .withDimensions(new StringDimensionSchema("region"), new StringDimensionSchema("user"))
                .withRollup(false).build();
        IncrementalIndex incrementalIndex = new OnheapIncrementalIndex.Builder().setIndexSchema(indexSchema).setMaxRowCount(10000).build();
        try (final InputStream input = new FileInputStream(new File("/path/to/file"))) {
            new CSVIngester(
                    indexSpec,
                    granularitySpec,
                    DataLoader.DEFAULT_FACTORY,
                    CsvInputSource.fromInputStream(() -> input, "/path/to/file"),
                    incrementalIndex,
                    0
            ).run();
        }
        QueryableIndex index = IndexMerger.persist(incrementalIndex, indexSpec, new File("/path/to/store"));
        QueryableIndexStorageAdapter adaptor = new QueryableIndexStorageAdapter(index);
        try (final CloseableIterator results = adapt.query(
                new SelectorDimFilter("region", "Russia", null), //過濾條件
                new String[]{"total_value"} //需要查詢的字段
        )) {
            while (results.hasNext()) {
                final Row row = results.next();
                final List dimensionValues = row.getDimension("user");
                final long metricValue = row.getLongMetric("total_value");
                System.out.println(dimensionValues + ": " + metricValue);
            }
        }
    } catch (Exception e) {
        e.printStackTrace();
    }
}
    

三、Druid版本總結

Druid版本從0.x到最新的版本，逐步完善了Druid的各個方面的特性和性能。每個版本有着自己的特點和優勢，針對不同場景進行了優化和改進。在實際應用中，我們需要根據自己的需求選擇相應的版本，並靈活使用Druid的各種API實現對數據的導入和查詢操作。