点一下关注吧！！！非常感谢！！持续更新！！！
目前已经更新到了：
Hadoop（已更完）HDFS（已更完）MapReduce（已更完）Hive（已更完）Flume（已更完）Sqoop（已更完）Zookeeper（已更完）HBase（已更完）Redis （已更完）Kafka（已更完）Spark（已更完）Flink（已更完）ClickHouse（已更完）Kudu（已更完）Druid（正在更新…）章节内容
上节我们完成了如下的内容：
Apache Druid 系统架构 核心组件介绍Druid 单机模式配置启动
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。
修改配置【续接上篇】
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 50MiBdruid.processing.buffer.sizeBytes=50000000修改的截图如下：
备注：
broker
vim $DRUID_HOME/conf/druid/cluster/query/broker/jvm.config原配置如下：
-server-Xms12g-Xmx12g-XX:MaxDirectMemorySize=6g-XX:+ExitOnOutOfMemoryError-Duser.timezone=UTC-Dfile.encoding=UTF-8-Djava.io.tmpdir=var/tmp-Djava.util.logging.manager=org.apache.logging.log4j.jul.LogManager修改配置如下：
-server-Xms512m-Xmx512m-XX:MaxDirectMemorySize=512m-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修改截图如下图：
此外还需要修改额外的参数：
vim $DRUID_HOME/conf/druid/cluster/query/broker/runtime.properties原参数为：
druid.processing.buffer.sizeBytes=500MiB修改为：
# 与刚才修改的一样 大约是50MiBdruid.processing.buffer.sizeBytes=50000000修改截图如下所示：
备注：
router
vim $DRUID_HOME/conf/druid/cluster/query/router/jvm.config原配置如下：
-server-Xms1g-Xmx1g-XX:+UseG1GC-XX:MaxDirectMemorySize=128m-XX:+ExitOnOutOfMemoryError-Duser.timezone=UTC-Dfile.encoding=UTF-8-Djava.io.tmpdir=var/tmp-Djava.util.logging.manager=org.apache.logging.log4j.jul.LogManager修改配置如下：
-server-Xms128m-Xmx128m-XX:+UseG1GC-XX:MaxDirectMemorySize=128m-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修改截图如下：
配置汇总
coordinator-overlord：512Mhistorical：512M，堆外1GmiddleManger：128Mbroker：512M、堆外512Mrouter：128M，堆外128M分发软件
你可以用的方式完成，我这里用之前写好的 rsync-script 工具进行分发，刚才我们配置都是在 h121 节点上完成的，所以接下来，我们从 h121 节点分发到 h122、h123
rsync-script apache-druid-30.0.0运行结果如下图所示：
分发之后，要注意你需要修改的东西：
启动服务
ZK启动
在三台节点上都需要启动ZK，并且需要组成ZK集群。
这部分内容之前已经有 ZooKeeper集群环境搭建，且在多个环节中，如Kafka集群环节中已经测试过。
zkServer.sh start启动 Hadoop
start-all.sh# 或者只启动 dfs也行start-dfs.sh执行结果如下图所示：
Druid启动
h121 查询节点
这里是查询节点
cd /opt/servers/apache-druid-30.0.0nohup start-cluster-query-server &运行结果如下图所示：
h122 数据节点
这里是数据节点
cd /opt/servers/apache-druid-30.0.0nohup start-cluster-data-server &运行结果如下图所示：
h123 主节点
这里是主节点
cd /opt/servers/apache-druid-30.0.0nohup start-cluster-master-no-zk-server &运行结果如下所示：
日志查看
可以在log下查看，我这里是查看了 nohup 的内容
h121
h122
h123
停止服务
需要在每个节点都执行：
# 在各个节点运行/opt/servers/apache-druid-30.0.0/bin/service --down查看界面
http://h121.wzk.icu:8888页面结果如下：
到此！顺利完成！一路艰难险阻！