简介

Druid作为用于大数据实时查询和分析的高容错、高性能开源分布式系统。在快速处理大规模的数据，能够实现快速查询和分析。尤其是当发生代码部署，机器过账以及其他产品系统遇到宕机等情况时，Druid仍能保持100%正常运行。Druid是一个JDBC组件，Druid内置提供了一个功能强大的StatFilter插件，能够详细统计SQL的执行性能。它包括三个部分：DruidDriver，代理Driver，能够提供基于Filter-Chiain模式的插件体系；DruidDdataSource高效可管理的数据库连接池;SQLParse等
目标

1、帮助学员更高效的监控数据库访问性能，对于线上分析数据库访问性能有很大的效果。

2、帮助学员建立一个高效、功能强大、可扩展性好的数据库连接池。

3、建立Druid用以查询的Broker和Historical支持多级缓存，每个segment启动一个线程并发执行查询，支持多Historical内部的线程级并发及Historical之间的进程间并发，Broker将各Historical的查询结果做合并。

受众人群

大数据分析师、大数据挖掘工程师；大数据高级开发工程师、项目经理、技术总监；T运维人员；

课程时长

1天（6H）

分享提纲

标题	内容
Druid介绍	1.druid是什么？ 2.druid特性 3.druid适用的场景
数据格式与存储	1.列存储 2.数据布局 3.字典编码 4.BitMap索引 5.编码设计 6.压缩
Druid架构与设计	1.整体架构 2.各节点介绍 3.如何实现实时性 4.如何保障高可用 5.多线程模型（如何支撑高并发） 6.查询引擎设计 7.实时和离线混合的架构
数据摄入（导入）	1.数据格式 2.Schema设计 3.Schema变更 4.流式摄入 5.离线摄入 6.数据更新
查询	1.查询介绍 2.Aggregator介绍 3.Granularity介绍 4.如何解决Join 5.多值维度 6.多租户设计 7.SQL支持 8.OrderBy排序 9.缓存配置
实践与优化	1.UTC时区问题 2.节点硬件配置 3.如何确定集群规模 4.如何配置内存 5.最佳Segment大小 6.集群升级 7.数据保留周期 8.数据可视化 9.监控与告警 10.消除“时间窗口” 11.和Hive的集成 12.数据可视化
经典案例	1.经典架构 2.广告实时多维分析 3.点击人群分析 4.用户留存分