Druid 存储格式

Druid 的数据表是由一组分布在集群中不同的historical节点上和实时节点上的segment组成，一个segment包含了一定时间段内的数据，所有的读写操作都发生在segment上，它是Druid操作的最小单元。Real-time节点在生成segment时，segment的名称由数据源（表）、起始时间、结束时间、版本号四部分组成，作为segment的唯一标识。版本号越大，数据越新（疑问：版本号是怎样改变的？）。在查询时，会加载相应时间段内的最新版本的segment。

Segment采用的是类LSM树结构的列式存储，类LSM树结构和LSM树结构不同的是省去了WAL（预写日志）部分（疑问：不会有数据丢失吗?），通常会被上传到HDFS或S3上做深存储。相比行式存储，列式存储可以更加高效的使用CPU，因为加载时，按需取数据，只加载需要的列即可，不必把行中部分不相关的数据都加载进来；另外，列出存储也可以针对不同列字段类型采用不同的压缩算法，更加节省内存和磁盘空间。