Pinot 简介

1. Introduction to Pinot

Pinot 是一个实时分布式的 OLAP 数据存储和分析系统。LinkedIn 使用它实现低延迟可伸缩的实时分析。Pinot 从离线数据源（包括 Hadoop 和各类文件）和在线数据源（如 Kafka）中攫取数据进行分析。Pinot 被设计是可以进行水平扩展的。

2. What is it for (and not)?

2.1 Pinot 适用于这样的应用场景

数据：不改变的、只追加的
分析：可以做的低延迟的查询

2.2 关键特性

* 列式存储数据库，支持多种压缩方式：Run Length, Fixed Bit Length
* 插件式索引技术：Sorted Index, Bitmap Index, Inverted Index
* 可根据Query和Segment元数据进行查询和执行计划的优化
* 近实时的从 Kafka 获取数据，以及批量从 Hadoop 获取数据
* 使用类SQL，支持：selection, aggregation, filtering, group by, order by, distinct, top, limit
* 支持多值字段
* 水平伸缩以及容错

2.3 Pinot 的一些局限性

* Pinot 不是一个数据库替代品——不是一个真正的数据库，不能修改数据
* Pinot 不是一个搜索引擎的替代品
* Pinot 不能做跨表的查询

3. Terminology

3.1 Table

Table 是一组关系数据集的逻辑抽象，它包含行和列（Document）。Table schema 定义了列和元数据。

3.2 Segment

一个逻辑的 Table 可以分为多个物理单元，这些单元就是 segment。

3.3 Pinot 包含的组件（角色）

* Pinot Controller：管理集群中的节点——处理 Table和 Segment 的创建、更新和删除操作，计算 Table 和 Segment 在 Pinot Server 上的分配。

* Pinot Server：保存一个或者多个物理的Segment——被分配一个预先创建的 segment,下载并且装载这个 Segment，当被分配一个 Kafka Topic，从 kafka 的partion 的一个子集中消费数据，执行查询请求并将结果返回给 PinotBroker。

*Pinot Broker：接收客户端的查询请求，并且将他们路由到多个 Server 上（根据路由策略），合并接收的查询结果并返回给客户端。

4. Quick Start

4.1 编译

$ git clone https://github.com/linkedin/pinot.git
$ cd pinot
$ mvn install package  -DskipTests
$ cd pinot-distribution/target/pinot-0.016-pkg
$ chmod +x bin/*.sh

4.2 实时模式启动

$ bin/quick-start-realtime.sh
Starting Kafka
Created topic "meetupRSVPEvents".
Starting controller, server and broker
Added schema and table
Realtime quick start setup complete
Starting meetup data stream and publishing to kafka

4.3 通过 http://localhost:9000/query/index.html 进行查询

select count(*) from meetupRsvp

...

ref: https://github.com/linkedin/pinot/wiki