Apache Druid 与 AWS Redshift

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，并于 2018 年捐赠给 Apache 软件基金会，因其能够以低延迟处理大量数据而广受欢迎。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，特别适合用于涉及事件驱动型数据和交互式分析的用例。

AWS Redshift 概述

Amazon Redshift 是一种完全托管的、PB 级云数据仓库服务。它于 2012 年作为 AWS 产品套件的一部分推出。Redshift 专为分析工作负载而设计，并与各种数据加载和 ETL 工具以及商业智能和报告工具集成。它使用列式存储来优化存储成本并提高查询性能。

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 还提供用于将历史数据存储在更便宜的对象存储中的集成，以便也可以使用 Druid 分析历史时序数据。

AWS Redshift 用于时序数据

AWS Redshift 可以用于时序数据工作负载，尽管 Redshift 针对更通用的数据仓库用例进行了优化。用户可以利用日期和时间函数来聚合、过滤和转换时序数据。Redshift 还提供“时序表”，允许数据根据固定的保留期限存储在表中。

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：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。

AWS Redshift 关键概念

• 集群：Redshift 集群是一组节点，由一个领导节点和一个或多个计算节点组成。领导节点管理与客户端应用程序的通信，并协调计算节点之间的查询执行。
• 计算节点：这些节点存储数据并并行执行查询。集群中计算节点的数量会影响其存储容量和查询性能。
• 列式存储：Redshift 使用列式存储格式，该格式将数据存储在列而不是行中。这种格式提高了查询性能并减少了存储空间需求。
• 节点切片：计算节点被划分为切片。每个切片被分配节点内存和磁盘空间的相等部分，在其中处理加载数据的一部分。

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。

• Historical 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的数据服务。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，然后满足对这些段的查询。在考虑部署和管理时，这些节点通常驻留在配备大量内存和 CPU 资源的机器上。它们的可扩展性是显而易见的，因为只需合并更多节点即可水平扩展它们。
• Broker 节点充当传入查询的网关。它们的主要功能是将这些查询引导到相应的 historical 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 节点具有管理角色，负责监督 historical 节点之间的数据分布。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 coordinator 节点，并在备用节点上进行故障转移。
• Overlord 节点指示摄取任务的分配，将它们定向到 middle manager 节点或 indexer 节点。它们的部署与 coordinator 节点类似，通常有一个活动的 overlord 和一个备份用于冗余。
• MiddleManager 和 Indexer 节点是 Druid 中数据摄取的主力。虽然 MiddleManager 节点启动用于数据摄取的短期任务，但 indexer 节点专为长期任务而设计。鉴于其密集的运算，这些节点需要高 CPU 和内存资源。它们的可扩展性是灵活的，允许根据数据摄取量进行水平扩展。
• Deep Storage 是 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 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，用于此目的，包括 MySQL、PostgreSQL 和 Derby。

AWS Redshift 架构

Redshift 的架构基于分布式和无共享架构。集群由一个领导节点和一个或多个计算节点组成。领导节点负责协调查询执行，而计算节点存储数据并并行执行查询。数据以列式格式存储，这提高了查询性能并减少了存储空间需求。Redshift 使用大规模并行处理 (MPP) 在多个节点之间分配和执行查询，使其能够水平扩展并为大规模数据仓库工作负载提供高性能。