Seminar Apache Druid Dateningestion, Datenmodellierung und Streaming

Überblick
Dieses Seminar zeigt, wie Daten in Apache Druid so aufgenommen werden, dass spätere Abfragen schnell, stabil und wirtschaftlich bleiben. Ein besonderer Schwerpunkt liegt auf dem Zusammenspiel von Datenmodell, Segmentlayout und operativer Pflege. Dadurch wird verständlich, warum gute Ingestion-Entscheidungen oft über die spätere Performance entscheiden.

Zielgruppe
Das Seminar richtet sich an alle, die Datenquellen in Druid anbinden, Transformationslogik definieren oder Segmentdesign bewusst planen müssen.

Inhaltsübersicht

• Schemaentwurf für Datasources mit Zeitspalte, Dimensionen und Metriken
• Primäre und sekundäre Zeitbezüge sinnvoll modellieren
• SQL-basierte und native Batch-Ingestion im Vergleich
• Grundlagen fortlaufender Streaming-Ingestion und Supervisor-Konzepte
• Transformationen, Filter, Ausdrücke und vorbereitende Datenanreicherung
• Rollup-Strategien und ihre Auswirkung auf Speicherbedarf und Abfrageverhalten
• Partitionierung, Sortierung und Segmentdesign für gute Datenlokalität
• Reindexing, Datenkorrekturen und kontrollierte Nachverarbeitung
• Compaction zur Qualitätsverbesserung bestehender Segmente
• Typische Modellierungsfehler und ihre Folgen im Betrieb

Praxisanteil
In den Übungen werden Datenquellen aufgenommen, Schemaentscheidungen verglichen, Segmentlayouts bewertet und deren Einfluss auf spätere Abfragen praktisch nachvollzogen.

Nutzen
Nach dem Seminar können belastbare Ingestion-Strecken entworfen und bestehende Datenmodelle gezielt verbessert werden.