なぜユーザーはApache DruidからStarRocksへ移行しているのか
2011年に登場したApache Druid®は、かつてリアルタイム分析の分野でリーダー的存在でした。しかし、分析のユースケースが拡大し、より高度かつ要求の厳しいものになるにつれて、Druidは現代のデータユーザーが求めるパフォーマンス要件に対応しきれなくなっています。その制限の一部は以下の通りです：
ANSI SQLに非対応
Druidは「SQLライク」なクエリインターフェースであるDruid SQLを提供していますが、標準的なANSI SQLには対応していません。そのため、利用するアプリケーションはDruid SQLの機能と構文に制限されます。
JOINされたテーブルに非対応
Druidは単一テーブルに対するクエリでは優れたパフォーマンスを発揮しますが、Joinedテーブルに対するクエリ処理には苦戦します。
リアルタイム更新に非対応
Druidでは、一度データがセグメントに書き込まれると、更新や削除を行うことはできません（不変／immutable）。この制約により、多くのユースケースでDruidの利用が制限されています。
古いアーキテクチャ
Scatter-Gatherアーキテクチャに基づいているDruidは、高カーディナリティの集計や正確なカウントディスティンクトなどの処理において、本質的に課題を抱えています。
なぜ多くのDruidユーザーがStarRocksへ移行しているのか
StarRocksの利点は、SQLやMySQL互換性にとどまりません。移行を検討すべき優れた理由は他にもあります：
Denormalizationからの解放
JOINリレーションは現代的なアナリティクスの基盤ですが、同時にクエリ性能における課題にもなります。
Apache Druidはこの課題を回避するために、単一テーブルでのクエリ性能に特化してきました。そのため、ユーザーはApache Druid上で、JOINされたテーブルをDenormalizedテーブルとしてフラット化する必要があります。このステップにより、パイプラインの遅延が発生し、追加のリソースも必要になります。
StarRocksは、単一テーブルクエリとJOINクエリの両方で優れたパフォーマンスを発揮します。StarRocksを活用することで、データ取り込みパイプラインを簡素化し、データの鮮度を向上させ、ETLコストを削減できます。
可変データを受け入れる
可変データ（Mutable data）は、ビジネス活動において一般的に発生するものです。これは基盤となるデータパイプラインの不具合によって生じる場合もあれば、通常のビジネスロジックの一環として発生することもあります。
Apache Druidは、他の多くの分析データベースと同様に、UPDATEやDELETEといった操作をネイティブにはサポートしていません。その代わりに、非同期でALTER TABLEを行うMUTATION操作を提供しています。
StarRocksでは、可変データをネイティブに処理でき、更新された分析結果を即座に反映することが可能です。
簡単にスケールするアナリティクス
StarRocksはMassively Parallel Processing（MPP）アーキテクチャを採用しています。このアーキテクチャでは、クエリ要求が複数の論理的な実行単位に分割され、複数のノードで同時に実行されます。各ノードは専用のリソース（CPU、メモリ）を持っており、MPPアーキテクチャによってそれらのリソースを効率的に活用することで、高い水平方向のスケーラビリティを実現します。
一方、DruidはScatter-Gatherアーキテクチャに基づいて構築されています。このアーキテクチャでは、Gatherコンポーネントが必然的にボトルネックとなります。そのため、Druidは高カーディナリティの集計や正確なCount Distinctなど、一部の分析処理においてパフォーマンスの課題を抱えています。
さらに、StarRocksは独自のネイティブベクトル化クエリエンジンも搭載しています。このネイティブベクトル化エンジンは、CPUのSIMD命令を活用して、1命令で複数のデータセットを処理します。これにより、StarRocksの演算子全体の性能は3〜10倍に向上します。
運用をシンプルに
StarRocksのアーキテクチャは、Frontend（FE）ノードとBackend（BE）ノードで構成されています。外部コンポーネントに依存しないため、StarRocksは導入・運用が容易です。また、メタデータとデータのレプリケーションにより、システム全体で単一障害点（Single Point of Failure）を排除しています。
FEノードおよびBEノードは、自動的にスケールアウトできるため、データ量の増加やクエリ性能に対する厳しい要件にも対応可能です。データの再分散もバックグラウンドで自動的に処理され、エンドユーザーのクエリ体験に影響を与えることはありません。
Druidユーザーにとって、StarRocksのシンプルなアーキテクチャは魅力的です。HDFSやZooKeeperなどのレガシーなHadoopスタイルのコンポーネントを管理する必要がなくなるからです。
Apache DruidとStarRocksの比較
現代のエンタープライズにおける分析ニーズに対応するために設計されたStarRocksは、優れた機能とパフォーマンスを提供します。Apache Druidには、それと同等の力はありません。
|
項目
|
|
|
|
アーキテクチャ |
 レガシーなScatter-Gatherアーキテクチャ |
最新のMPPアーキテクチャ |
|
SQL構文サポート |
一部のSQL構文のみ対応 |
|
|
高カーディナリティ集計性能 |
|
|
|
サードパーティ依存 |
|
|
|
リアルタイム更新 |
 |
|
|
分散JOIN |
|
|
|
データレイククエリ対応 |
|
|
|
フェデレーテッドクエリ対応 |
|
|
Apache Druid
StarRocks
エンジニアに相談する
当社のソリューションアーキテクトや経験豊富なエンジニアが、皆様のご質問にお答えし、ニーズや分析シナリオに合わせたパーソナライズされたデモのご提案も可能です。お気軽にご相談ください。