在构建任何软件应用时,选择合适的数据库至关重要。所有数据库在性能方面都有不同的优势和劣势,因此,为您的特定用例和数据模型决定哪个数据库的优势最大、劣势最小是一项重要的决策。下面您将找到 Apache Druid 和 Mimir 的关键概念、架构、功能、用例和定价模型的概述,以便您可以快速了解它们之间的比较。

本文的主要目的是比较 Apache Druid 和 Mimir 在涉及时序数据的工作负载中的性能,而不是所有可能的用例。时序数据通常在数据库性能方面提出了独特的挑战。这是由于正在写入的大量数据以及访问该数据的查询模式。本文无意说明哪个数据库更好;它只是提供了每个数据库的概述,以便您可以做出明智的决定。

Apache Druid 与 Mimir 细分


 
数据库模型

列式数据库

时序数据库

架构

Druid 可以部署在本地、云端或使用托管服务

Grafana Mimir 是一款时序数据库,专为高性能、实时监控和分析而设计。它采用分布式架构,允许跨多个节点进行水平扩展,以处理大量数据和查询。由于其开源特性,它可以部署在本地,也可以作为 Grafana 托管的托管解决方案

许可证

Apache 2.0

APGL 3.0

用例

实时分析、OLAP、时序数据、事件驱动型数据、日志分析、广告技术、用户行为分析

监控、可观测性、物联网

可扩展性

水平可扩展,支持分布式架构,以实现高可用性和高性能

水平可扩展

正在寻找最有效率的入门方式?

无论您是在寻找成本节约、更低的 管理开销,还是开源解决方案,InfluxDB 都能提供帮助。

Apache Druid 概览

Apache Druid 是一款开源实时分析数据库,专为高性能查询和数据摄取而设计。Druid 最初由 Metamarkets 于 2011 年开发,并于 2018 年捐赠给 Apache 软件基金会,因其处理大量数据和低延迟的能力而广受欢迎。Druid 具有独特的架构,结合了时序数据库、搜索系统和列式存储的元素,特别适合涉及事件驱动型数据和交互式分析的用例。

Mimir 概览

Grafana Mimir 是一个开源软件项目,为 Prometheus 提供了可扩展的长期存储解决方案。Grafana Mimir 于 2022 年由 Grafana Labs 启动并发布,旨在成为最可扩展、性能最佳的指标开源时序数据库。该项目融合了 Grafana Labs 工程师在以大规模运行 Grafana Enterprise Metrics 和 Grafana Cloud Metrics 时获得的知识和经验。


Apache Druid 用于时序数据

Apache Druid 专为实时分析而设计,非常适合处理需要在写入后快速分析的时序数据。Druid 还提供集成功能,用于将历史数据存储在更便宜的对象存储中,以便也可以使用 Druid 分析历史时序数据。

Mimir 用于时序数据

Grafana Mimir 非常适合处理时序数据,使其成为涉及指标存储和分析场景的理想选择。它为 Prometheus(一种流行的开源监控和警报系统)提供长期存储功能。借助 Grafana Mimir,用户可以存储和查询长期时序指标,从而进行历史分析和趋势检测。它特别适用于需要可扩展和高性能的时序数据存储以进行指标监控和可观测性应用。


Apache Druid 关键概念

  • 数据摄取:将数据从各种来源(例如流式或批量数据源)导入 Druid 的过程。
  • 段(Segments):Druid 中最小的数据存储单元,段是不可变的、分区的和压缩的。
  • 数据汇总(Data Rollup):在摄取期间聚合原始数据以减少存储需求并提高查询性能的过程。
  • 节点(Nodes):Druid 的架构由不同类型的节点组成,包括 Historical、Broker、Coordinator 和 MiddleManager/Overlord,每个节点都有特定的职责。
  • 索引服务(Indexing Service):Druid 的索引服务管理摄取数据、创建段以及将它们发布到深度存储的过程。

Mimir 关键概念

  • 指标(Metrics):在 Grafana Mimir 中,指标表示随时间跟踪的测量值或观察结果。它们可以包括各种类型的数据,例如系统指标、应用程序性能指标或传感器数据。
  • 长期存储(Long-term Storage):Grafana Mimir 提供专门为长期保留时序数据量身定制的存储解决方案,允许用户存储和查询长期历史指标。
  • 微服务(Microservices):Grafana Mimir 采用基于微服务的架构,其中系统由多个水平可扩展的微服务组成,这些微服务可以独立并行运行。


Apache Druid 架构

Apache Druid 是一款功能强大的分布式数据存储系统,专为对大型数据集进行实时分析而设计。在其架构中,几个核心组件在确保其效率和可扩展性方面发挥着关键作用。以下是驱动 Apache Druid 的核心组件的概述。

  • Historical Nodes(历史节点)是 Druid 数据服务能力的基础。它们的主要职责是为查询提供存储数据。为了实现这一目标,它们从深度存储加载段,将它们保留在内存中,然后处理对这些段的查询。在考虑部署和管理时,这些节点通常部署在配备大量内存和 CPU 资源的机器上。它们的扩展性显而易见,因为只需添加更多节点即可进行水平扩展。
  • Broker Nodes(Broker 节点)充当传入查询的守门人。它们的主要功能是将这些查询引导到相应的历史节点或实时节点。有趣的是,它们是无状态的,这意味着可以对其进行横向扩展以适应查询并发性的增加。
  • Coordinator Nodes(Coordinator 节点)具有管理角色,负责监督数据在历史节点之间的分布。它们关于加载或删除哪些段的决策基于特定的可配置规则。在部署方面,Druid 设置通常只需要一个活动的协调器节点,并有一个备用节点用于故障转移场景。
  • Overlord Nodes(Overlord 节点)决定摄取任务的分配,将它们定向到中间管理器或索引器节点。它们的部署与协调器节点的部署类似,通常有一个活动的 overlord 和一个用于冗余的备份。
  • MiddleManager 和 Indexer Nodes(MiddleManager 和 Indexer 节点)是 Druid 中数据摄取的主力军。虽然 MiddleManagers 启动用于数据摄取的短期任务,但 indexers 专为长期任务而设计。鉴于它们的密集操作,这些节点需要高 CPU 和内存资源。它们的扩展性很灵活,允许根据数据摄取量进行水平扩展。
  • Deep Storage(深度存储)是一个组件,充当 Druid 的持久存储单元。Druid 与各种 Blob 存储解决方案集成,如 HDFS、S3 和 Google Cloud Storage。
  • Metadata Storage(元数据存储)是关于段、任务和配置的关键元数据的存储库。Druid 与用于此目的的流行数据库兼容,包括 MySQL、PostgreSQL 和 Derby。

Mimir 架构

Grafana Mimir 采用基于微服务的架构,其中系统由多个水平可扩展的微服务组成。这些微服务可以独立并行运行,从而实现工作负载的有效分配和可扩展性。Grafana Mimir 的组件被编译成一个单独的二进制文件,提供了一个统一且有凝聚力的系统。该架构旨在实现高可用性和多租户,使多个用户和应用程序能够同时使用数据库。这种分布式架构确保了在处理大规模指标存储和检索场景中的可扩展性和弹性。

免费时序数据库指南

获取关于备选方案和选择数据库的关键要求的全面评述。

Apache Druid 功能

数据摄取

Apache Druid 支持实时和批量数据摄取,允许它处理来自各种来源的数据,如 Kafka、Hadoop 或本地文件。凭借对数据分区、复制和汇总的内置支持,Druid 确保了高可用性和高效存储。

可扩展性和性能

Druid 旨在水平扩展,为大规模部署提供支持,且性能降级最小。其独特的架构允许快速高效的查询,使其适用于需要低延迟分析的用例。

列式存储

Druid 以列式格式存储数据,与基于行的存储系统相比,可以实现更好的压缩和更快的查询性能。列式存储还允许 Druid 通过仅访问相关列来优化查询。

时间优化索引

Druid 的索引服务创建具有基于时间的分区的段,优化了时序数据的数据存储和检索。此功能显著提高了基于时间的查询的查询性能。数据汇总

Druid 的数据汇总功能在摄取期间聚合原始数据,从而减少存储需求并提高查询性能。此功能对于涉及高基数数据或大量相似数据点的用例尤其有益。

Mimir 功能

可扩展性

Grafana Mimir 旨在水平扩展,使系统能够处理不断增长的数据量和不断增加的工作负载。其水平可扩展的微服务架构允许无缝扩展和性能改进。

高可用性

Grafana Mimir 通过确保冗余和容错能力来提供高可用性。它允许跨多个节点复制和分发数据,从而确保数据持久性和存储指标的持续可用性。

长期存储

Grafana Mimir 为时序指标的长期存储提供专门的解决方案。它提供高效的存储和检索机制,允许用户长期保留和分析历史指标数据。


Apache Druid 用例

地理空间分析

Apache Druid 提供对地理空间数据和查询的支持,使其适用于涉及基于位置的数据的用例,例如跟踪资产移动、分析用户位置或监控事件分布。它有效处理大量地理空间数据的能力使户能够获得洞察力,并根据位置信息做出数据驱动的决策。

机器学习和人工智能

Druid 的高性能数据处理能力可用于机器学习和 AI 工作流程中的预处理和特征提取。它对实时数据摄取和低延迟查询的支持使其适用于需要实时预测或洞察力的用例,例如推荐系统或预测性维护。

实时分析

Apache Druid 的低延迟查询和实时数据摄取能力使其成为实时分析用例的理想解决方案,例如监控应用程序性能、用户行为或业务指标。

Mimir 用例

指标监控和可观测性

Grafana Mimir 非常适合监控和可观测性用例。它支持时序指标的存储和分析,允许用户实时监控其系统和应用程序的性能、健康状况和行为。

长期指标存储

Grafana Mimir 专注于提供可扩展的长期存储,是需要长期保留和分析历史指标数据的应用程序的理想选择。它允许用户存储和查询 Prometheus 生成的大量时序数据。

趋势和异常检测

通过使用 Mimir 存储长期历史数据,它可以用于检测指标中的趋势,以及将当前指标与历史数据进行比较,以检测异常值和异常情况


Apache Druid 定价模型

Apache Druid 是一个开源项目,因此,它可以免费进行自托管,无需支付许可费用。但是,选择自托管 Druid 的组织在自己的环境中部署和运行 Druid 时,将产生与基础设施、管理和支持相关的费用。这些成本将取决于组织的具体要求以及选择的基础设施,无论是在本地还是在云端。

对于那些喜欢托管解决方案的人来说,有一些云服务提供 Apache Druid 作为托管服务,例如 Imply Cloud。借助托管服务,提供商负责处理基础设施、管理和支持,从而简化了 Druid 的部署和操作。这些托管服务的定价将因提供商和选择的服务层级而异,其中可能包括数据存储、查询容量和数据摄取速率等因素。

Mimir 定价模型

Grafana Mimir 是一个开源项目,这意味着它可以免费使用,无需任何许可费。用户可以下载源代码并在自己的基础设施上部署 Grafana Mimir,而不会产生直接成本。但是,重要的是要考虑与托管和维护数据库基础设施相关的运营成本。