Apache Druid je vysoko výkonný, distribuovaný datový sklad určený pro real-time analýzy velkých objemů dat. Jeho schopnost poskytovat nízkou latenci při odpovědích na dotazy a schopnost horizontálního škálování z něj činí ideální řešení pro business intelligence a analytické aplikace. Tento článek se zaměří na konfiguraci a správu Apache Druid na operačním systému CentOS, což je populární volba pro serverové nasazení díky své stabilitě a bezpečnosti.

Instalace a základní konfigurace

Než začneme s instalací Apache Druid na CentOS, je nutné mít nainstalovaný Java Runtime Environment (JRE) verze 8 nebo vyšší, jelikož Druid je napsán v Javě.

1. Instalace JRE: Použijte příkaz sudo yum install java-1.8.0-openjdk pro instalaci JRE.

2. Stažení a instalace Apache Druid: Nejnovější verzi Apache Druid lze stáhnout z oficiálních stránek projektu. Použijte příkaz wget pro stažení archivu a tar pro jeho rozbalení.

   wget https://www.apache.org/dyn/closer.cgi/druid/0.22.1/apache-druid-0.22.1-bin.tar.gz
   tar -xzf apache-druid-0.22.1-bin.tar.gz
   cd apache-druid-0.22.1
   

3. Základní konfigurace: Před prvním spuštěním je nutné upravit konfigurační soubory podle potřeb vašeho prostředí. Konfigurační soubory se nacházejí v adresáři conf. Základní konfigurace zahrnuje nastavení JVM parametrů a konfiguraci úložiště.

Spuštění Apache Druid

Apache Druid se skládá z několika komponent, které je možné spustit samostatně nebo na různých serverech v závislosti na vašich požadavcích na škálování.

1. ZooKeeper: Pro koordinaci clusteru je nutné mít spuštěný ZooKeeper. Instalujte ZooKeeper pomocí sudo yum install zookeeper zookeeper-server a spusťte ho.

2. Historical nodes: Slouží k dlouhodobému ukládání dat. Spuštění se provádí pomocí příkazu ./bin/historical.sh.

3. Broker nodes: Zpracovávají dotazy od klientů. Spuštění se provádí pomocí příkazu ./bin/broker.sh.

4. Coordinator nodes: Spravují distribuci dat a segmentů mezi historical nodes. Spuštění se provádí pomocí příkazu ./bin/coordinator.sh.

5. Overlord nodes: Řídí nahrávání dat a správu úloh. Spuštění se provádí pomocí příkazu ./bin/overlord.sh.

Konfigurace pro vysokou dostupnost

Pro zajištění vysoké dostupnosti a odolnosti proti selhání je doporučeno rozložit Druid komponenty na více serverů a konfigurovat replikaci dat. Kritické komponenty, jako jsou Coordinator a Overlord, lze spustit ve více instancích pro zajištění redundancy.

Monitorování a údržba

Apache Druid obsahuje nástroje pro monitorování výkonu a zdraví clusteru. Využití metrik a logů je klíčové pro provozování a optimalizaci Druid clusteru. Konfigurace logování je dostupná v souboru log4j2.xml, který umožňuje definovat úroveň logování a výstupní formáty pro různé komponenty systému.