在构建任何软件应用程序时,选择正确的数据库至关重要。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种数据库具有最多的优势和最少的缺点是一个重要的决定。下面您将找到 Apache Druid 和 Redis 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 Redis 在涉及 时间序列数据 的工作负载中的表现,而不是所有可能的用例。时间序列数据通常在数据库性能方面提出独特的挑战。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。本文并非旨在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 Redis 细分


 
数据库模型

列式数据库

内存数据库

架构

Druid 可以部署在本地、云端或使用托管服务

Redis 可以部署在本地、云端或作为托管服务

许可证

Apache 2.0

BSD 3

用例

实时分析、OLAP、时间序列数据、事件驱动数据、日志分析、广告技术、用户行为分析

缓存、消息代理、实时分析、会话存储、地理空间数据处理

可扩展性

水平可扩展,支持分布式架构以实现高可用性和性能

通过分区和集群水平可扩展,支持数据复制

正在寻找最有效率的入门方式?

无论您是寻求成本节约、降低管理开销还是开源,InfluxDB 都能帮助您。

Apache Druid 概述

Apache Druid 是一个开源的实时分析数据库,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,后来于 2018 年捐赠给 Apache 软件基金会,因其处理大量数据且延迟低的强大能力而广受欢迎。Druid 具有独特的架构,结合了时间序列数据库、搜索系统和列式存储的元素,特别适合用于涉及事件驱动数据和交互式分析的用例。

Redis 概述

Redis,代表远程字典服务器 (Remote Dictionary Server),是一个开源的内存数据结构存储,可用作数据库、缓存和消息代理。它由 Salvatore Sanfilippo 于 2009 年创建,此后因其高性能和灵活性而广受欢迎。Redis 支持各种数据结构,例如字符串、哈希、列表、集合、带有范围查询的排序集合、位图、HyperLogLog 以及带有半径查询的地理空间索引。


Apache Druid 用于时间序列数据

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间序列数据。Druid 还提供集成,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 分析历史时间序列数据。

Redis 用于时间序列数据

Redis 有一个专门用于处理时间序列数据的模块,名为 RedisTimeSeries。RedisTimeSeries 提供诸如降采样、数据保留策略以及 Redis 中时间序列数据的专用查询等功能。作为内存数据库,Redis 在读取和写入时间序列数据方面非常快,但由于 RAM 的成本高于磁盘,根据数据集的大小,使用 Redis 可能会变得昂贵。如果您的用例不需要极快的响应时间,则可以选择更传统的时间序列数据库来省钱。


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。
  • :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:在摄取期间聚合原始数据的过程,以减少存储需求并提高查询性能。
  • 节点: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: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。

Redis 关键概念

  • 内存存储:Redis 将数据存储在内存中,与基于磁盘的数据库相比,这允许更快的数据访问和操作。
  • 数据结构:Redis 支持广泛的数据结构,包括字符串、哈希、列表、集合等等,这为如何建模和存储数据提供了灵活性。
  • 持久性:Redis 提供可选的数据持久性,允许将数据定期保存到磁盘或写入日志以实现持久性。
  • 发布/订阅:Redis 提供发布/订阅消息传递系统,无需集中式消息代理即可实现客户端之间的实时通信。


Apache Druid 架构

Apache Druid 是一个强大的分布式数据存储,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。以下是为 Apache Druid 提供支持的核心组件的概述。

  • 历史节点是 Druid 数据服务能力的基础。它们的主要职责是将存储的数据服务于查询。为了实现这一点,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了大量内存和 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水平扩展它们。
  • 代理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路由到相应的历史节点或实时节点。有趣的是,它们是无状态的,这意味着可以扩展它们以适应查询并发性的增加。
  • 协调器节点具有管理角色,负责监督跨历史节点的数据分布。它们关于加载或删除哪些段的决定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,以及一个备用节点用于故障转移场景。
  • Overlord 节点指示摄取任务的分配,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类似,通常有一个活动的 overlord 和一个备用 overlord 用于冗余。
  • MiddleManager 和 Indexer 节点是 Druid 中数据摄取的主力军。虽然 MiddleManager 启动用于数据摄取的短生命周期任务,但索引器专为长生命周期任务而设计。鉴于它们的密集操作,这些节点需要高 CPU 和内存资源。它们的扩展性是灵活的,允许根据数据摄取量进行水平扩展。
  • 深度存储是充当 Druid 持久存储单元的组件。Druid 与各种 blob 存储解决方案集成,例如 HDFS、S3 和 Google Cloud 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 与流行的数据库兼容以用于此目的,包括 MySQL、PostgreSQL 和 Derby。

Redis 架构

Redis 是一个 NoSQL 数据库,它使用键值数据模型,其中每个键都与一个值相关联,该值存储为 Redis 支持的数据结构之一。该数据库是单线程的,这简化了其内部架构并减少了争用。Redis 可以部署为独立服务器、集群或主从复制设置,以实现可扩展性和高可用性。Redis 集群模式自动跨多个节点分片数据,提供数据分区和容错能力。

免费时间序列数据库指南

获取关于替代方案和选择数据库的关键要求的全面审查。

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(如 Kafka、Hadoop 或本地文件)的数据。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,且性能下降最少。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,优化了时间序列数据的数据存储和检索。此功能显着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。

Redis 功能

原子性

Redis 支持对复杂数据类型的原子操作,允许开发人员执行强大的操作,而无需担心竞争条件或其他并发处理问题。

广泛的数据结构支持

Redis 支持一系列数据结构,例如列表、集合、排序集合、哈希、位图、HyperLogLog 和地理空间索引。这种灵活性允许开发人员通过使用针对其数据性能特征优化的数据结构,将 Redis 用于各种任务。

发布/订阅消息传递

Redis 提供了一个发布/订阅消息传递系统,用于客户端之间的实时通信。

Lua 脚本

开发人员可以在 Redis 服务器中运行 Lua 脚本,从而可以在服务器本身中原子地执行复杂的操作,从而减少网络往返次数。


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,例如跟踪资产的移动、分析用户位置或监控事件的分布。它有效处理大量地理空间数据的能力使户能够根据位置信息获得见解并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见解的用例,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。

Redis 用例

缓存

Redis 通常用作缓存来存储频繁访问的数据并减少其他数据库或服务的负载,从而提高应用程序性能并减少延迟。

任务队列

Redis 可用于实现任务队列,这对于管理需要较长时间处理且应异步执行的任务很有用。这在 Web 应用程序中尤其常见,在 Web 应用程序中,后台任务可以独立于请求/响应周期进行处理

实时分析和机器学习

Redis 的高性能和低延迟数据访问使其适用于实时分析和机器学习应用程序,例如处理流数据、媒体流和处理时间序列数据。这可以使用 Redis 的数据结构和功能(如排序集、时间戳和发布/订阅消息传递)来实现。


Apache Druid 定价模型

Apache Druid 是一个开源项目,因此,它可以免费自托管,无需任何许可成本。但是,选择自托管 Druid 的组织在自己的环境中部署和运营 Druid 时,将承担与基础设施、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和选择的基础设施,无论是本地的还是基于云的。

对于那些喜欢托管解决方案的人,可以使用云服务来提供 Apache Druid 作为托管服务,例如 Imply Cloud。使用托管服务,提供商处理基础设施、管理和支持,从而简化了 Druid 的部署和运营。这些托管服务的定价将因提供商和选定的服务层级而异,其中可能包括数据存储、查询容量和数据摄取速率等因素。

Redis 定价模型

Redis 是开源软件,这意味着可以在您自己的基础设施上免费部署和使用它。但是,也有托管的 Redis 服务可用,例如 Redis Enterprise,它们提供额外的功能、支持和易于部署的特性。这些服务的定价通常取决于实例大小、数据存储和数据传输等因素。