在 Apache Druid 中，实现高效聚合查询的关键手段有哪些？
考察说明
考查对 Druid 底层存储与查询机制的掌握，以及如何利用其特性优化聚合性能。
回答思路
- 【回答框架 1】Druid 的高效聚合主要依赖其列式存储、预聚合的 Segment 结构、时间分区与位图索引。数据先被分块为 Segment，内部按列存储，并针对维度列建立字典编码和位图索引，这使聚合时能快速定位相关行，避免全表扫描。
- 【回答框架 2】查询时，Druid 会将聚合下推到数据节点（Historical/Peon），在本地对每个 Segment 完成预聚合，只返回部分汇总结果给 Broker，Broker 再合并，从而减少网络传输量和中心化计算压力。
- 【回答框架 3】针对实时数据，Druid 使用实时节点或 Kafka 索引服务，在摄入阶段进行部分聚合（例如基于时间窗口预聚合），加速后续查询。
- 【回答框架 4】优化手段还包括合理设置 Segment 粒度（如按小时或天分区）、选择合适的时间列和粒度（如分钟级）、对高基数维度谨慎处理，以及使用近似聚合（如 HyperLogLog 或 Theta Sketch）来平衡精度与性能。
- 【回答框架 5】此外，查询侧可使用合适的聚合器（如 longSum、doubleSum），避免不必要的 dimension 和粒度过细的时间桶，并且利用缓存（broker 缓存、历史节点缓存）和紧凑的查询计划来提升响应速度。
- 【关键点 1】列式存储、位图索引和字典编码是 Druid 快速扫描的基础。
- 【关键点 2】预聚合和查询下推减少传输量与合并开销。
- 【关键点 3】时间分区与 Segment 粒度设计直接影响聚合性能。
- 【关键点 4】高基数维度与精确聚合会显著降低性能，应使用近似聚合。
- 【关键点 5】结合缓存和合理查询写法可进一步提升效率。
- 【易错点 1】不要认为 Druid 对所有聚合场景都高性能，低基数维度和小时间粒度更友好。
- 【易错点 2】避免过度依赖精确去重，成本高，应考虑近似算法。
- 【易错点 3】Segment 粒度过细小或过大都会导致性能下降，需按数据量和查询模式权衡。