Druid Bewertungen & Produktdetails

1. Voraggregationsfähigkeit, die es ermöglicht, Aggregationen vorab zu berechnen und Aggregate in Segmenten zu speichern. Dadurch werden Rechen- und Speicherkosten reduziert.

2. Druid-Benutzeroberfläche (0.14+), die viele Verbesserungen bietet und das Erstellen von Ingestion-Spezifikationen über die Benutzeroberfläche ermöglicht.

3. REST-Schnittstelle für druid_broker zur Kommunikation, erleichtert die Integration mit Microservices.

4. Druid ist eine NoSQL-Datenbank, unterstützt jedoch SQL-Abfragen, und BAs/Analysten sind mit der Verwendung von SQL zur Abfrage von Druid vertraut.

5. Datensicherheitsoptionen - Unterstützung von Basic HTTP Auth und LDAP. Bewertung gesammelt von und auf G2.com gehostet.

1. Komplexe Architektur - Steile Lernkurve und verfügt über 6 Kerndienste, die die Bereitstellung und Verwaltung eines Druid-Clusters komplex machen.

2. Speicherintensive historische Dienste - Druid-Dienste sind sehr speicherintensiv und erfordern Cloud-Instanzen mit hoher Rechen- und Speicherkapazität.

3. Indexierungsunterstützung - Druid unterstützt nur eine Indexierung (Inverted Index), was die Idee einschränkt, Datenquellen je nach Anwendungsfall zu optimieren. Bewertung gesammelt von und auf G2.com gehostet.

Druid ist erstaunlich schnell und hat eingebaute Konnektoren für die meisten der beliebten Datenquellen. Es unterstützt eine Vielzahl von Dashboards, was Druid zu einer perfekten Wahl für jede Echtzeit-Streaming-Anwendung macht. Bewertung gesammelt von und auf G2.com gehostet.

Druid stellt Abfragen nativ im Json-Format, was für einen SQL-Benutzer schwer zu verstehen ist.

Rollover-Abfragen sind nicht dynamisch. Beispiel - Wenn man für eine bestimmte Zeit von einem Tag zu einer bestimmten Zeit eines anderen Tages zusammenfassen möchte, könnte das nicht möglich sein.

Das Web-GUI ist auch nicht so benutzerfreundlich für einen Geschäftsanwender.

Fehlende operationsfreundliche Cluster-Manager-Konsole.

Druid benötigt einen dedizierten Server und kann vorhandene Hadoop-Ressourcen nicht nutzen. Bewertung gesammelt von und auf G2.com gehostet.

Druid ist am besten für Analysen mit niedriger Latenz geeignet, da es die besten Eigenschaften eines Spaltenspeichers und der invertierten Indizierung kombiniert. Mit Spaltenspeichern kann Druid die I/O-Kosten für analytische Abfragen minimieren.

Es unterstützt OLTP und OLAP.

Echtzeitaggregation.

Batch- und Echtzeiteinführung. Bewertung gesammelt von und auf G2.com gehostet.

1. Keine Fehlertoleranz im Abfrageausführungspfad. Beispiel: Eine einzelne Abfrage wird auf Hunderten von historischen Knoten verarbeitet — es fehlt vollständig an Fehlertoleranz im Abfrageausführungspfad.

2. Langsame Teilabfragen auf den historischen Knoten benötigen viel Zeit.

3. Das Nachfüllen benötigt viel Zeit. Aber es ist verständlich, da das Aktualisieren alter Segmente viel Zeit in Anspruch nimmt. Ich würde es nicht als Nachteil betrachten.

4. Da Druid-Broker den Überblick über den gesamten Cluster im Speicher behalten müssen, erfordert dies erheblich mehr Speicher und verursacht viele JVM-GC-Pausen.

5. Bei großen Abfragen wird die Verarbeitungskapazität der gesamten historischen Schicht für bis zu mehrere zehn Sekunden ausgelastet. Bewertung gesammelt von und auf G2.com gehostet.

Es ist einfach, sich mit anderen Datenbank-Engines wie MySQL zu integrieren. Das wird als gute Integrationsfunktionen bezeichnet! Bewertung gesammelt von und auf G2.com gehostet.

Es wird nicht in der Lage sein, mit einigen der Datenanalyseplattformen wie "Metatron" zu konfigurieren. Metatron verwendet eine modifizierte Version von Druid! Bewertung gesammelt von und auf G2.com gehostet.

Die Gemeinschaft hinter Druid und seiner Dokumentation ist großartig. Der Umfang, in dem Druid Daten aufnehmen und abfragen kann, ist beeindruckend. Bewertung gesammelt von und auf G2.com gehostet.

Nur neuere Versionen unterstützen Joins zwischen Datenquellen. Einige Protokollnachrichten könnten ausführlicher sein. Bewertung gesammelt von und auf G2.com gehostet.

Es unterstützt hervorragend die horizontale Skalierbarkeit. Die Deep-Storage-Funktionalität verbessert die Datenresilienz und erleichtert das Hinzufügen eines neuen Knotens. Da die Daten von Haus aus nach Zeit partitioniert sind, funktionieren zeitbasierte Abfragen außerordentlich gut. Es kann eine große Menge an Daten sehr schnell aufnehmen. Es verfügt über mehrere Plugins, um Ihre Bedürfnisse zu erfüllen, und es kann von Haus aus mit vielen Cloud-Infrastrukturen integriert werden. Bewertung gesammelt von und auf G2.com gehostet.

Es müssen bessere Funktionen bereitgestellt werden, um Multi-Tenant-Umgebungen zu unterstützen. Updates bestehender Daten werden derzeit durch den vollständigen Neuaufbau des entsprechenden Zeitsegments aus der ursprünglichen Quelle unterstützt. Stattdessen sollte es Updates basierend auf der Mandanten-ID unterstützen. Updates am selben Tag sind etwas knifflig und müssen noch ausgearbeitet werden. Einer der Anwendungsbereiche ist die Berechnung der demografiebasierten Unterdrückung von Daten, und in diesem speziellen Szenario ist es langsam. Bewertung gesammelt von und auf G2.com gehostet.

Apache Druid funktioniert sehr gut, wenn Sie grundlegende Aggregationen über unveränderliche Zeitreihendaten benötigen. Es bietet einige wirklich nützliche Approximationen wie HyperLogLog für schnelle Kardinalitätsschätzungen, die bei kleinen Datensätzen zu exakten Zählungen konvergieren. Es unterstützt jetzt auch Druid SQL als Abfragesprache, die nicht die steile Lernkurve der nativen Druid-Abfragesprache erfordert. Bewertung gesammelt von und auf G2.com gehostet.

Apache Druid wird schwer zu verwenden und sehr ineffizient, wenn Ihre Daten 1) aktualisiert werden, 2) außer der Reihenfolge (basierend auf dem Zeitstempel) ingestiert werden oder 3) Joins erfordern. Leider begrenzt dies die Anzahl der Anwendungsfälle, die Druid problemlos unterstützt, erheblich. Es können Tools darum herum gebaut werden, um Dinge wie außer der Reihenfolge erfolgende Ingestion zu unterstützen, aber das macht Druid sehr ineffizient.

Druid hat auch inhärente Engpässe in seinem Design: Jeder Cluster kann nur einen Koordinator und einen Overlord haben. Wir haben festgestellt, dass es dadurch unmöglich war, einen einzelnen Cluster so zu skalieren, dass er unseren Anforderungen gerecht wird. Bewertung gesammelt von und auf G2.com gehostet.

Einfach zu verwenden, gute Dokumentation, flexibel, skalierbar. Bewertung gesammelt von und auf G2.com gehostet.

Leistung ist nicht immer vorhersehbar. Aufnahmespezifikationen können schwierig zu erstellen und zu debuggen sein. Bewertung gesammelt von und auf G2.com gehostet.

Echtzeit-Datenaufnahme und Abfragefähigkeit

Abfrageleistung im Sub-Sekundenbereich

Zeitreihenbasierter Datenspeicher

Slice-and-Dice-Unterstützung

Datenkompression Bewertung gesammelt von und auf G2.com gehostet.

Unfähigkeit, verschachtelte Daten zu unterstützen

Teilweise Unterstützung von Joins

Einrichtung, um es zum ersten Mal hochzufahren Bewertung gesammelt von und auf G2.com gehostet.

1) Vorgefertigte Daten in Dimensionen und Metriken

2) Blitzschnelle Daten-/Abfrageergebnisabfrage Bewertung gesammelt von und auf G2.com gehostet.

Verwaltung des Brokers/Clusters bei hoher Auslastung

Einschränkung in dynamischen Dimensionen Bewertung gesammelt von und auf G2.com gehostet.