Druid Analytics 0.8.0 发布，OLAP 数据查询引擎

jydg

欢迎加入运维网交流群:263444886  
　　Druid Analytics 0.8.0 发布，更新内容如下：
新特性

• 　　Redo Druid metrics to use an understandable metrics schema
  
• 　　Support compression for multi-value columns
  
• 　　Added longMax/longMin aggregators in addition to previous min/max [double] aggregators which have been renamed to appropriate doubleMax/doubleMin
  
• 　　Added a hadoop_convert_segment task for the indexer to allow large scale batch re-compression of old data as an indexer task.
  

改进

• 　　Index task now ignores invalid rows (#1264)
  
• 　　Improved segment filtering for dataSourceMetadataQuery (#1299)
  
• 　　Numerous additional unit tests
  

Bug 修复
　　

• 　　Fixed deprecated warnings in Hadoop batch indexing (#1275). Thanks @infynyxx!
  
• 　　Fix groupBys applying limitSpecs to historicals on post aggregations (#1292). Thanks @guobingkun!
  
• 　　Fix incorrectly typed values in metadata sql queries (#1295). THanks @anubhgup!
  
• 　　Fix timeBoundary cache serde problems (#1303)
  
• 　　Fix serde issue with pulling timestamps from cache (#1304)
  
• 　　Fixed concatenated gzip files with static s3 firehose (#1311)
  
• 　　Fix audit table config serde problems (#1322)
  
• 　　Fix IRC firehose serde (#1331)
  
• 　　Fix Arithmetic exceptions on the broker (#1336)
  
• 　　Fix an error where the Convert Segment Task would leave zombie tasks if the task failed (#1363)
  
• 　　Fixed #1365 to return actual complex metric name in segment metadata query response
  
• 　　Fix groupBy caching to work with renamed aggregators (#1499)
  

文档

• 　　Numerous typo fixes. Thanks to @textractor, @rasahner, & @bobrik.
  

　　下载：https://github.com/druid-io/druid/archive/druid-0.8.0.zip。
　　
　　
　　Druid 是为大型数据集上实时探索查询的引擎，提供专为 OLAP 设计的开源分析数据存储系统，它的设计意图是在面对代码部署、机器故障以及其他产品系统遇到不测时能保持100%正常运行。它也可以用于后台用例，但设计决策明确定位线上服务。
　　数据流：

　　集群架构：

主要特性：

• 　　为分析而设计——Druid是为OLAP工作流的探索性分析而构建。它支持各种filter、aggregator和查询类型，并为添加新功能提供了一个框架。用户已经利用Druid的基础设施开发了高级K查询和直方图功能。
  
• 　　交互式查询——Druid的低延迟数据摄取架构允许事件在它们创建后毫秒内查询，因为Druid的查询延时通过只读取和扫描优必要的元素被优化。Aggregate和 filter没有坐等结果。
  
• 　　高可用性——Druid是用来支持需要一直在线的SaaS的实现。你的数据在系统更新时依然可用、可查询。规模的扩大和缩小不会造成数据丢失。
  
• 　　可伸缩——现有的Druid部署每天处理数十亿事件和TB级数据。Druid被设计成PB级别。