『InfoQ』是如何实现每秒 200 万次的数据处理?,Netflix( 三 )


我们集群的大多数查询都是由自定义的内部工具(如仪表板和预警系统)生成的 。 这些系统最初是为了与我们内部开发的开源时序数据库Atlas一起工作而设计的 。 因此 , 这些工具使用AtlasStack查询语言 。
为了加速查询Druid的采用 , 并实现现有工具的重用 , 我们添加了一个翻译层来接收Atlas查询 , 将它们重写为Druid查询 , 发送查询并将结果重新格式化为Atlas结果 。 这个抽象层允许现有的工具按原样使用 , 用户要访问我们Druid数据存储中的数据也不需要额外学习 。
调优
【『InfoQ』是如何实现每秒 200 万次的数据处理?,Netflix】在调整集群节点的配置时 , 我们以较高的速度运行一系列可重复和可预测的查询 , 从而获得每个给定配置的响应时间和查询吞吐量的基准 。 这些查询在设计时隔离了集群的各个部分 , 以检查查询性能方面的改善或退化 。