知识条目 / Apache Druid

Apache Druid 预聚合与查询性能如何优化?

合理使用 rollup 与段粒度减少扫描数据量,结合查询粒度和 broker 资源定位性能瓶颈。

Druid 面向时序与事件分析,查询性能依赖段裁剪与预聚合。rollup 能大幅减少存储和扫描量,但会丢失明细,需要按业务需求选择粒度。

处理步骤

  1. 确认查询粒度与段裁剪查询时指定的粒度不应细于摄入时的 rollup 粒度。过滤条件要能命中时间与分区,否则会扫描大量段。
  2. 设计 rollup 与指标按分析需求选择维度组合与聚合指标。维度过高会削弱 rollup 效果,近似聚合可显著降低资源消耗。
  3. 检查段与任务状态查看段数量、大小与 compaction 任务。大量小段会增加 broker 与 historical 的扫描开销。
  4. 定位 broker 与 historical 负载结合查询指标判断瓶颈在 broker 合并结果还是 historical 扫描。必要时增加副本或调整查询并发。

示例

SELECT FLOOR(__time TO HOUR) AS hour,
       region,
       SUM(amount) AS total
FROM sales
WHERE __time >= TIMESTAMP '2026-11-01 00:00:00'
GROUP BY 1, 2
ORDER BY hour;

{
  "type": "index_parallel",
  "granularitySpec": {
    "segmentGranularity": "DAY",
    "queryGranularity": "HOUR",
    "rollup": true
  }
}

rollup 后无法还原原始明细,涉及对账或审计的数据源应保留原始粒度。修改摄入粒度通常需要重建数据源。

关键词

druid · 预聚合 · rollup · segment · 数据源 · 查询 · broker · historical · olap · 时序分析