druid是分布式的实时的数据分析系统，一定意义上是数据库
druid在快速查询，水平扩展，实时数据摄入和实时分析等方面有良好的支持。
整个数据分析的基础架构通常分为以下几类：
1）使用hadoop/spark的MR分析
2）将hadoop/spark的结果注入到RDBMS中提供实时分析
3）将结果注入到NoSQL中，例如hbase
4）将数据源进行流式处理，对接流式计算框架，如storm，结果注入到RDBNS/NoSQL中
5）将数据源进行流式处理，对接分析数据库，例如Druid中
Druid设计的三个原则：
1）快速查询 ： 部分数据的聚合 + 内存化 + 索引
2）水平扩展能力 ： 分布式数据 + 并行化查询
3）实时分析; 不可变的过去，只追加的未来
Druid的基本概念：
1 数据格式：
Druid在数据摄入之前，首先需要定义一个数据源（DataSource），这个DataSource有些类似数据库中表的概念。每个数据集包括三个部分： 时间列 （TimeStamp）,维度列 （Dimension） 指标列 （Metric）
每个数据集都必须有时间列 ，Druid会将时间很近的一些数据行聚合在一起，所有的查询都要指定查询的时间范围。
维度列主要用于过滤或者分片数据。维度列的字段为字符串类型
指标列是用于聚合和计算的列，通常是数值类型，计算操作通常包括Count Sum Mean
2 数据摄入
可以接受实时摄入也有批处理数据的摄入
3 数据查询
Druid原生支持json格式，通过http传送，Druid不支持标准的SQL语言查询。目前在支持完善中。Druid舍去了OLAP查询中比较复杂的操作，例如JOIN，相比传统的数据库，Druid是一种时序数据库，按照一定的时间粒度对数据进行聚合，以加快分析查询。
Druid相对其他的组件的优势：
Druid的核心是通过数据预先聚合提高查询性能（而且是实时聚合），针对预先定义好的schema，spark可以对任何schema进行灵活操作。
Kylin是在hive表上做了一层缓存，通过预先计算和定期任务，把很多数据实现存储在hbase为基础的OLAP Cube中，大部分数据可以访问Hbase获取结果，而不需要访问hive原始数据。而且kylin缺少实时摄入数据的能力。
ES提供了实时数据摄入的功能，但是性能比Druid要慢很多，因为它的索引过程更加复杂。另外ES是schema-free的，也就是说无须定义schema，就可以直接插入Json数据，进行索引，druid需要定义清楚维度和指标列
还有一个很大的区别：ES会保持元素的文档数据，而Druid在按照时间粒度聚合数据后，原始数据将会丢弃，无法召回具体的某一行数据。大数据规模不大的情况下，ES也是非常不错的选择，Druid更善于处理更大规模，实时性更强的数据。
相比Druid，Impala需要将数据格式转换成Parquet格式才能进行查询，有时数据转换也会花费不少时间。
概念：
数据分析的整个流程如下：
ETL ——》 数据仓库 ——》 OLAP（联机分析处理）——》数据挖掘
OLAP是分析过去的数据，是数据分析的范畴，这也是Druid发力的地方
数据挖掘是预测未来的情况，是数据科学的范畴，这是ML的范围。