Avis et détails du produit de Druid

1. Pre-aggregate capability which allows to pre-calculate aggregations and save aggregates in segments. Thus, reduces compute and storage costs.

2. Druid UI (0.14+) which has many improvements and allows creating ingestion_specs via UI

3. REST interface for druid_broker for communication, makes it easy to integrate with microservices

4. Druid is a NoSQL DB still it has SQL query support and BAs/Analysts are comfortable using SQL to query Druid

5. Data Security options - Basic HTTP Auth and LDAP supported Avis collecté par et hébergé sur G2.com.

1. Complex Architecture - Steep learning curve and has 6 core services which makes deployment & management of Druid cluster complex

2. Memory intensive Historical services - Druid services are quite memory intensive and requires high compute+memory cloud instances.

3. Indexing support - Druid supports only 1 indexing (Inverted Index) which limits the idea of optimizing datasources as per usecase 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.

It excellently supports horizontal scalability, The deep storage functionality improves data resilience and makes it easy to add a new node. Since the data is partitioned by time out of the box, time-based queries perform exceedingly well. It can ingest a large amount of data very quickly. It has multiple plugins to suffice your need and it can integrate with many cloud infrastructure out of the box. Avis collecté par et hébergé sur G2.com.

Need to provide better features to accommodate multi-tenants. Updates to existing data are currently supported by rebuilding the corresponding time segment entirely from the true source, Instead, it should support tenant id based updates. Same-day updates are a little bit tricky and need to iron it out.

One of the places we use it to calculate demographic-based suppression of data and it is slow in that particular scenario. Avis collecté par et hébergé sur G2.com.

Apache Druid works very well if you need basic aggregations across immutable time series data. It has some really useful approximations such as HyperLogLog for fast cardinality estimations that converge to exact counts for small datasets. It also now supports Druid Sql as a query language which doesn't have the steep learning curve native Druid query language requires. Avis collecté par et hébergé sur G2.com.

Apache Druid becomes hard to use and very inefficient when your data is 1) updated 2) ingested out of order (based on timestamp) or 3) requires joins. Unfortunately this greatly limits the number of use-cases that Druid readily supports. Tooling can be built around it to support things like out of order ingestion but it makes Druid very inefficient.

Druid also has inherent bottlenecks in its design: each cluster can have only one coordinator and one overlord. We found that this made it impossible to scale a single cluster out to meet our needs. 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.

c'est un magasin de données distribué orienté colonne et open source. c'est génial pour ingérer une quantité massive de données pilotées par des événements et fournir des requêtes à faible latence sur les données. Avis collecté par et hébergé sur G2.com.

limitations avec la mise à l'échelle automatique (augmentation et réduction des serveurs druid en fonction de la demande). Avis collecté par et hébergé sur G2.com.