TL;DR
- 场景：2C4G/2C2G 三节点混部，Druid 30.0.0，Kafka/HDFS/MySQL 协同。
- 结论：低配能跑，但核心在 DirectMemory 与 processing.buffer 的收敛及基础设施可达性。
- 产出：按图就班的配置要点、版本矩阵、常见故障速查与定位步骤。
版本矩阵
| 组件 / 配置 | 版本 / 参数 | 已验证 | 说明 |
|---|---|---|---|
| Apache Druid | 30.0.0（$DRUID_HOME） | 是 | 进程划分：master(coordinator+overlord)、data(historical+middleManager)、query(broker+router)。混部署于 h121/h122/h123。 |
| Metadata Storage | MySQL（连接器 8.0.19） | 是 | 连接器置于 extensions/mysql-metadata-storage；druid.metadata.storage.* 指向 h122。 |
| 深度存储 | HDFS（/druid/segments） | 是 | 依赖 core-site 默认 FS；生产建议使用 hdfs://host:port/ 绝对路径。 |
| Indexing Logs | HDFS（/druid/indexing-logs） | 是 | 需 Hadoop 配置在 _common 生效。 |
| ZooKeeper | h121,h122,h123:2181 | 是 | druid.zk.paths.base=/druid，确保 ACL/网络可达。 |
| Kafka 实时摄取 | 版本未标注 | 部分 | MiddleManager 可接入；建议压测后再扩容任务槽。 |
| JDK | 未标注 | 未核对 | Druid 30 通常建议 Java 11/17；请确认与线上一致。 |
| Coordinator/Overlord JVM | -Xms/-Xmx=512m | 是 | 低吞吐可用；管理面优先稳定。 |
| Historical JVM | -Xms/-Xmx=512m；MaxDirectMemory=1g | 是 | 与 buffer=50,000,000 成对收敛。 |
| MiddleManager JVM | -Xms/-Xmx=128m | 是 | 仅演示负载；任务量上来需调大。 |
| processing.buffer.sizeBytes | 50,000,000 | 是 | 需满足 MaxDirectMemory ≈ buffer×(numMergeBuffers+numThreads+1)。 |
整体介绍
Apache Druid 是一种高性能、分布式的列式存储数据库，专门用于实时分析和查询大规模数据集。它适用于 OLAP（在线分析处理）场景，尤其在处理大数据实时流时表现优异。Druid 的架构由多个组件组成，主要包括数据摄取、存储、查询和管理。
在集群配置方面，Druid 通常由以下节点构成：
- 数据摄取层：使用 MiddleManager 节点来处理数据的实时摄取，负责从不同数据源（如 Kafka、HDFS 等）读取数据并进行实时处理。
- 存储层：数据存储在 Historical 节点上，这些节点负责存储和管理较老的数据，支持高效的查询。数据被以列式格式存储，优化了查询性能。
- 查询层：Broker 节点充当查询路由器，接受用户的查询请求并将其分发到相应的 Historical 或 Real-time 节点，然后将结果汇总返回给用户。
- 协调层：Coordinator 节点负责集群的状态管理和数据分配，确保数据均匀分布并自动处理节点故障。
Druid 的配置文件允许用户自定义参数，如 JVM 设置、内存分配和数据分片策略，以便根据不同的工作负载和性能需求进行优化。此外，Druid 还支持多种查询语言，包括 SQL，便于用户进行灵活的数据分析。整体上，Druid 提供了一种高效、可扩展的解决方案，适合需要快速实时分析的大数据应用场景。
集群规划
集群部署采用的分配如下：
- 主节点部署 Coordinator 和 Overlord 进程
- 数据节点运行 Historical 和 MiddleManager 进程
- 查询节点 部署Broker 和 Router 进程
我的实机部署情况：
- h121.wzk.icu 2C4G ZooKeeper、Kafka、Druid
- h122.wzk.icu 2C4G ZooKeeper、Kafka、Druid、MySQL(之前Hive时搭建)
- h123.wzk.icu 2C2G ZooKeeper、Druid
环境变量
vim /etc/profile
写入的内容如下：
# druid
export DRUID_HOME=/opt/servers/apache-druid-30.0.0
export PATH=$PATH:$DRUID_HOME/bin
配置文件
将 Hadoop 配置文件：
- core-site.xml
- hdfs-site.xml
- yarn-site.xml
- mapred-site.xml
上述文件链接到 conf/druid/cluster/_common 下 执行下面的Shell：
cd $DRUID_HOME/conf/druid/cluster/_common
ln -s $HADOOP_HOME/etc/hadoop/core-site.xml core-site.xml
ln -s $HADOOP_HOME/etc/hadoop/hdfs-site.xml hdfs-site.xml
ln -s $HADOOP_HOME/etc/hadoop/yarn-site.xml yarn-site.xml
ln -s $HADOOP_HOME/etc/hadoop/mapred-site.xml mapred-site.xml
ls
执行结果如下图所示：
MySQL
将MySQL驱动链接到：$DRUID_HOME/extensions/mysql-metadata-storage 中
cd $DRUID_HOME/extensions/mysql-metadata-storage
cp $HIVE_HOME/lib/mysql-connector-java-8.0.19.jar mysql-connector-java-8.0.19.jar
ls
执行结果如下图所示：
修改配置
vim $DRUID_HOME/conf/druid/cluster/_common/common.runtime.properties
我们要修改如下的内容：
# 增加"mysql-metadata-storage"
druid.extensions.loadList=["mysql-metadata-storage", "druid-hdfs-storage", "druid-kafka-indexing-service", "druid-datasketches", "druid-multi-stage-query"]
# 每台机器写自己的ip或hostname
# 我这里是h121节点
druid.host=h121.wzk.icu
# 填写zk地址
druid.zk.service.host=h121.wzk.icu:2181,h122.wzk.icu:2181,h123.wzk.icu:2181
druid.zk.paths.base=/druid
# 注释掉前面 derby 的配置
# 增加 mysql 的配置
druid.metadata.storage.type=mysql
druid.metadata.storage.connector.connectURI=jdbc:mysql://h122.wzk.icu:3306/druid
druid.metadata.storage.connector.user=hive
druid.metadata.storage.connector.password=hive@wzk.icu
# 注释掉local的配置
# 增加HDFS的配置，即使用HDFS作为深度存储
druid.storage.type=hdfs
druid.storage.storageDirectory=/druid/segments
# 注释掉 indexer.logs For local disk的配置
# 增加 indexer.logs For HDFS 的配置
druid.indexer.logs.type=hdfs
druid.indexer.logs.directory=/druid/indexing-logs
修改截图如下：
修改截图如下所示：
coordinator-overlord
参数大小根据实际情况调整
vim $DRUID_HOME/conf/druid/cluster/master/coordinator-overlord/jvm.config
原来的配置如下图所示：
-server
-Xms15g
-Xmx15g
-XX:+ExitOnOutOfMemoryError
-XX:+UseG1GC
-Duser.timezone=UTC
-Dfile.encoding=UTF-8
-Djava.io.tmpdir=var/tmp
-Djava.util.logging.manager=org.apache.logging.log4j.jul.LogManager
-Dderby.stream.error.file=var/druid/derby.log
修改内容如下所示：
-server
-Xms512m
-Xmx512m
-XX:+ExitOnOutOfMemoryError
-XX:+UseG1GC
-Duser.timezone=UTC+8
-Dfile.encoding=UTF-8
-Djava.io.tmpdir=var/tmp
-Djava.util.logging.manager=org.apache.logging.log4j.jul.LogManager
对应的截图如下所示：
historical
参数大小根据实际情况调整
vim $DRUID_HOME/conf/druid/cluster/data/historical/jvm.config
原配置内容如下所示：
-server
-Xms8g
-Xmx8g
-XX:MaxDirectMemorySize=13g
-XX:+ExitOnOutOfMemoryError
-Duser.timezone=UTC
-Dfile.encoding=UTF-8
-Djava.io.tmpdir=var/tmp
-Djava.util.logging.manager=org.apache.logging.log4j.jul.LogManager
修改内容如下：
-server
-Xms512m
-Xmx512m
-XX:MaxDirectMemorySize=1g
-XX:+ExitOnOutOfMemoryError
-Duser.timezone=UTC+8
-Dfile.encoding=UTF-8
-Djava.io.tmpdir=var/tmp
-Djava.util.logging.manager=org.apache.logging.log4j.jul.LogManager
修改结果如下图：
此外还有一个参数：
vim $DRUID_HOME/conf/druid/cluster/data/historical/runtime.properties
原配置内容如下：
druid.processing.buffer.sizeBytes=500MiB
修改为如下内容：
# 相当于 50MiB
druid.processing.buffer.sizeBytes=50000000
修改的截图如下：
备注：
- druid.processing.buffer.sizeBytes 每个查询用于聚合的对外哈希表的大小
- maxDirectMemory = druid.processing.buffer.sizeBytes * (durid.processing.numMergeBuffers + druid.processing.numThreads + 1)
- 如果 druid.processing.buffer.sizeBytes太大的话，需要加大 maxDirectMemory，否则 historical服务无法启动
middleManager
vim $DRUID_HOME/conf/druid/cluster/data/middleManager/jvm.config
原配置：
-server
-Xms128m
-Xmx128m
-XX:+ExitOnOutOfMemoryError
-Duser.timezone=UTC
-Dfile.encoding=UTF-8
-Djava.io.tmpdir=var/tmp
-Djava.util.logging.manager=org.apache.logging.log4j.jul.LogManager
配置如下（没有修改）：
-server
-Xms128m
-Xmx128m
-XX:+ExitOnOutOfMemoryError
-Duser.timezone=UTC+8
-Dfile.encoding=UTF-8
-Djava.io.tmpdir=var/tmp
-Djava.util.logging.manager=org.apache.logging.log4j.jul.LogManager
修改的截图如下：
错误速查
| 症状 | 根因 | 定位 | 修复 |
|---|---|---|---|
| Historical 启动即退出/Direct buffer OOM | buffer 过大与 MaxDirectMemory 不匹配 | 查看 historical 日志中 “Cannot allocate memory / direct buffer” 提示；核对 runtime.properties 与 jvm.config | 降低 druid.processing.buffer.sizeBytes 或提高 -XX:MaxDirectMemorySize；按公式收敛（buffer ×(merge+threads+1)）。 |
| “No suitable driver / 找不到 MySQL 驱动” | 连接器未放到正确目录或命名错误 | 检查 $DRUID_HOME/extensions/mysql-metadata-storage | 确保 mysql-connector-java-8.0.19.jar 存在且重启生效。 |
| 深度存储写失败 / “No FileSystem for scheme: hdfs” | Hadoop 客户端依赖/配置未生效 | 看 middleManager/historical 日志；核对 _common 下 *-site.xml | 确保 druid-hdfs-storage 已加载；软链 Hadoop 配置，必要时补齐 Hadoop 客户端依赖。 |
| Broker 查询 500 / “No servers found” | 无可用 Historical/Realtime 节点或段未加载 | Web 控制台看 Coordinator Segments/Rules；Broker 日志 | 启动 Historical/Realtime；确认段已加载与路由规则有效。 |
| ZK 连接超时 / ConnectionLoss | zk 地址/端口错误或网络不可达 | zookeeper 客户端 zkCli 直连测试 | 修正 druid.zk.service.host；放通 2181；确保 /druid 存在。 |
| MiddleManager 任务卡住/日志不落 HDFS | HDFS 目录权限/配额问题 | hdfs dfs -ls/-chmod 检查目录；任务日志报错 | 赋权/预建目录；必要时调整 fs.permissions.umask-mode。 |
| 时间列偏移 8 小时 | JVM 时区参数不规范 | 查询服务与任务日志中的时区信息 | 将 -Duser.timezone 设为 Asia/Shanghai（或 GMT+08:00），并核对 ingestion spec 的 timestampSpec。 |
| HDFS 路径解析异常 | 使用相对路径但 defaultFS 未配置 | 查看 core-site.xml 的 fs.defaultFS | 将存储目录改为 hdfs://host:port/… 或补齐 defaultFS。 |
| 主机名不可达 / DNS 失败 | 使用内网域名未解析 | ping/host 验证 h121.wzk.icu 等 | /etc/hosts 写死映射或改用 IP；同步修改 druid.host。 |
【续接下篇！】
其他系列
🚀 AI篇持续更新中（长期更新）
AI炼丹日志-29 - 字节跳动 DeerFlow 深度研究框斜体样式架 私有部署 测试上手 架构研究，持续打造实用AI工具指南！ AI-调查研究-108-具身智能 机器人模型训练全流程详解：从预训练到强化学习与人类反馈 🔗 AI模块直达链接
💻 Java篇持续更新中（长期更新）
Java-154 深入浅出 MongoDB 用Java访问 MongoDB 数据库 从环境搭建到CRUD完整示例 MyBatis 已完结，Spring 已完结，Nginx已完结，Tomcat已完结，分布式服务正在更新！深入浅出助你打牢基础！ 🔗 Java模块直达链接
📊 大数据板块已完成多项干货更新（300篇）：
包括 Hadoop、Hive、Kafka、Flink、ClickHouse、Elasticsearch 等二十余项核心组件，覆盖离线+实时数仓全栈！ 大数据-278 Spark MLib - 基础介绍 机器学习算法 梯度提升树 GBDT案例 详解 🔗 大数据模块直达链接
