Avis et détails du produit Druid

1. Capacité de pré-agrégation qui permet de pré-calculer les agrégations et de sauvegarder les agrégats dans des segments. Ainsi, cela réduit les coûts de calcul et de stockage.

2. Interface utilisateur Druid (0.14+) qui comporte de nombreuses améliorations et permet de créer des ingestion_specs via l'interface utilisateur.

3. Interface REST pour druid_broker pour la communication, ce qui facilite l'intégration avec les microservices.

4. Druid est une base de données NoSQL mais elle prend en charge les requêtes SQL et les BAs/analystes sont à l'aise pour utiliser SQL pour interroger Druid.

5. Options de sécurité des données - Authentification HTTP de base et LDAP pris en charge. Avis collecté par et hébergé sur G2.com.

1. Architecture complexe - Courbe d'apprentissage abrupte et comporte 6 services principaux, ce qui rend le déploiement et la gestion d'un cluster Druid complexes.

2. Services historiques gourmands en mémoire - Les services Druid sont assez gourmands en mémoire et nécessitent des instances cloud à haute capacité de calcul et de mémoire.

3. Support d'indexation - Druid ne prend en charge qu'une seule indexation (Index inversé), ce qui limite l'idée d'optimiser les sources de données selon le cas d'utilisation. Avis collecté par et hébergé sur G2.com.

Druid est incroyablement rapide et dispose de connecteurs intégrés pour la plupart des sources de données populaires. Il prend en charge une variété de tableaux de bord, ce qui fait de Druid un choix parfait pour toute application de streaming en temps réel. Avis collecté par et hébergé sur G2.com.

Druid interroge nativement en format Json, ce qui est difficile à comprendre pour un utilisateur SQL.

Les requêtes de basculement ne sont pas dynamiques. Exemple - Si vous souhaitez regrouper pour un moment spécifique d'un jour à un moment spécifique d'un autre jour, cela pourrait ne pas être possible.

L'interface graphique Web n'est pas non plus très conviviale pour un utilisateur professionnel.

Console de gestion de cluster conviviale pour les opérations manquante.

Druid nécessite un serveur dédié et ne peut pas utiliser les ressources Hadoop existantes. Avis collecté par et hébergé sur G2.com.

Druid est le meilleur pour l'analytique à faible latence, car il combine les meilleures qualités d'un magasin de colonnes et d'un index inversé. Avec les magasins de colonnes, le druid peut minimiser les coûts d'I/O pour les requêtes analytiques.

Il prend en charge OLTP et OLAP.

Agrégation en temps réel.

Ingestion par lots et en temps réel. Avis collecté par et hébergé sur G2.com.

1. Pas de tolérance aux pannes sur le chemin d'exécution des requêtes. ex : Une seule requête est traitée sur des centaines de nœuds historiques — elle manque complètement de tolérance aux pannes sur le chemin d'exécution des requêtes.

2. Les sous-requêtes traînantes sur les nœuds historiques prennent beaucoup de temps.

3. Le remplissage en arrière prend beaucoup de temps. Mais il est compréhensible que la mise à jour d'un ancien segment prenne beaucoup de temps. Je ne le considérerais pas comme un inconvénient.

4. Comme les courtiers Druid doivent garder la vue de l'ensemble du cluster en mémoire, cela nécessite beaucoup plus de mémoire et provoque également de nombreuses pauses de GC JVM.

5. Dans le cas de grandes requêtes, cela sature la capacité de traitement de l'ensemble de la couche historique pendant jusqu'à des dizaines de secondes. Avis collecté par et hébergé sur G2.com.

Il est facile de s'intégrer à d'autres moteurs de base de données comme MySQL. Cela signifie que les fonctionnalités d'intégration sont bonnes ! Avis collecté par et hébergé sur G2.com.

Il sera incapable de se configurer avec certaines des plateformes d'analyse de données comme "Metatron." Metatron utilise une version modifiée de Druid ! Avis collecté par et hébergé sur G2.com.

La communauté derrière Druid et sa documentation est formidable. L'échelle à laquelle Druid peut ingérer et interroger des données est impressionnante. Avis collecté par et hébergé sur G2.com.

Seules les versions récentes prennent en charge les jointures entre les sources de données. Certains messages de journal pourraient être plus détaillés. Avis collecté par et hébergé sur G2.com.

Il prend en charge de manière excellente l'évolutivité horizontale. La fonctionnalité de stockage profond améliore la résilience des données et facilite l'ajout d'un nouveau nœud. Étant donné que les données sont partitionnées par temps dès le départ, les requêtes basées sur le temps fonctionnent extrêmement bien. Il peut ingérer une grande quantité de données très rapidement. Il dispose de plusieurs plugins pour répondre à vos besoins et peut s'intégrer à de nombreuses infrastructures cloud dès le départ. Avis collecté par et hébergé sur G2.com.

Il est nécessaire de fournir de meilleures fonctionnalités pour accueillir plusieurs locataires. Les mises à jour des données existantes sont actuellement prises en charge en reconstruisant entièrement le segment de temps correspondant à partir de la source véritable. Au lieu de cela, il devrait prendre en charge les mises à jour basées sur l'identifiant du locataire. Les mises à jour du même jour sont un peu délicates et doivent être réglées.

L'un des endroits où nous l'utilisons est pour calculer la suppression des données basée sur la démographie, et c'est lent dans ce scénario particulier. Avis collecté par et hébergé sur G2.com.

Apache Druid fonctionne très bien si vous avez besoin d'agrégations de base sur des séries temporelles immuables. Il dispose de quelques approximations très utiles telles que HyperLogLog pour des estimations de cardinalité rapides qui convergent vers des comptes exacts pour les petits ensembles de données. Il prend également en charge maintenant Druid SQL comme langage de requête, qui n'a pas la courbe d'apprentissage abrupte que nécessite le langage de requête natif de Druid. Avis collecté par et hébergé sur G2.com.

Apache Druid devient difficile à utiliser et très inefficace lorsque vos données sont 1) mises à jour 2) ingérées dans le désordre (basé sur le timestamp) ou 3) nécessitent des jointures. Malheureusement, cela limite grandement le nombre de cas d'utilisation que Druid prend facilement en charge. Des outils peuvent être construits autour de lui pour prendre en charge des choses comme l'ingestion dans le désordre, mais cela rend Druid très inefficace.

Druid a également des goulots d'étranglement inhérents à sa conception : chaque cluster ne peut avoir qu'un seul coordinateur et un seul overlord. Nous avons constaté que cela rendait impossible l'extension d'un seul cluster pour répondre à nos besoins. Avis collecté par et hébergé sur G2.com.

Facile à utiliser, bonne documentation, flexible, évolutif. Avis collecté par et hébergé sur G2.com.

La performance n'est pas toujours prévisible. Les spécifications d'ingestion peuvent être difficiles à créer et à déboguer. Avis collecté par et hébergé sur G2.com.

Capacité d'ingestion et de requête en temps réel

Performance de requête en sous-seconde

Base de données basée sur des séries temporelles

Support de découpage et de dés

Compression de données Avis collecté par et hébergé sur G2.com.

Incapacité à prendre en charge les données imbriquées

Support partiel de jointure

Configuration pour le mettre en place pour la première fois Avis collecté par et hébergé sur G2.com.

1) Données pré-agrégées en dimensions et métriques

2) Récupération ultra-rapide des résultats de données/requêtes Avis collecté par et hébergé sur G2.com.

Gestion du courtier/cluster si la charge est élevée

Limitation dans les dimensions dynamiques Avis collecté par et hébergé sur G2.com.