如何从大量的事件中快速有效地分析数据，对决策能够起到至关重要的影响。Druid 是目前比较流行的开源 OLAP 引擎之一，国内外的很多公司都在使用。一方面，Druid 的数据导入即可实时查询，很好的满足了数据实时性需求；另一方面，在数据达到一定规模后，集群的稳定性、数据摄入性能和查询延迟都成为瓶颈。本次分享会介绍字节跳动在大规模数据场景下如何管理和优化 Druid，满足在字节跳动的需求。

内容大纲

1. Druid 性能优化，主要包括实时数据摄入优化、查询性能优化、GC 方面的优化以及社区贡献的一些 patch
2. 字节跳动如何管理大规模 Druid 集群：包括集群日常部署运维、元数据治理、集群稳定性建设等
3. 承接的业务场景介绍，主要介绍字节跳动使用 Druid 都处理哪些业务需求，以及遇到的问题和解决思路
4. Druid 实时物化视图的设计与实现，包括：物化视图在线构建 & 离线回溯、broker 查询替换、KIS publish 策略优化等 
5. Druid 实时物化视图方案在字节跳动的实践，包括：在广告系统 AB Test 场景下大幅提升实时查询性能、如何解决数据倾斜和避免物化视图膨胀等

听众受益

1. 了解 Druid 在近千台机器规模时运维 & 管理的挑战
2. 了解 Druid 在字节跳动的业务场景
3. 了解字节跳动为满足大规模数据场景下对 Druid 所做的一些优化以及实践

适合人群

最好对 Druid 或者相关 OLAP 系统有一定了解。