Druid的数据被保存在datasource里面， DataSource类似于关系型数据库中的table。所有的DataSource是按照时间来分片的，必要时也可以额外加上其他字段来分片。每个时间区间范围被称为一个chunk（比如当你的DataSource是按天来分片的，一天就是一个chunk）。在chunk内部，数据被进一步分片成一个或多个segment。所有的segment是一个单独的文件，通常一个segment会包含数百万行数据。segment和chunk的关系示意图如下：
一个DataSource可以有少数几个segment构成，也可能包含多达数十万甚至上百万个segment。所有的segment的生命周期从在MiddleManager接收导入数据时被创建，最初的时候，segment时处于可修改和未提交的状态，segment的数据是紧凑的并且支持快速查询，它是通过如下步骤被创建：
- 把数据转换成列式格式；
- 通过bitmap编码来建立倒排索引；
- 通过不同的算法进行压缩：
- 对于string类型的列，通过字典编码的方式将string转换为id以最小化存储空间；
- 对bitmap索引进行位图压缩；
- 所有的列都根据类型来选择合适的压缩算法；
segment会被定期提交和发布。提交时他们会被写入deepstorage中，提交后会变成不可写的状态，然后数据就被从MiddleManager移交给Historical进程。（参考架构介绍部分：https://blog.csdn.net/weixin_40735752/article/details/88218571）。segment的信息也会被写入到metadata store组件，这个信息包括segment的格式，大小，以及在deepstorage的存储位置。Coordinator通过这些信息来获悉哪些数据在集群中是可用的。