Win10环境借助DockerDesktop部署大数据时序数据库Apache Druid的操作做法实用指南

时间：2026-09-07 11:36:01 编辑：袖梨来源：一聚教程网

平时做技术实践时，很多问题不是概念不会，而是细节没串起来。拿“Win10环境借助DockerDesktop部署大数据时序数据库Apac……”来说，它看着像小点，放到项目里常会牵出环境、配置、兼容性和维护成本。下面按实际采用顺序，把思路、关键写法和容易踩坑的地方讲清楚，便于大家直接对照操作。

Win10环境借助DockerDesktop部署最新版大数据时序数据库Apache Druid32.0.0

前言

理解这一步时，大数据分析中，有一种常用的场景，那就是时序数据，简言之，数据一旦产生绝对不会修改，随着时间流逝，每个时间点都会有个新的状态值。这种时序数据的量级往往异常夸张，比如传感器的原始监控数据：

（链接已移除）

在这个场景下，一个轻松的加速度传感器一年的数据量就是31e！！！制造业传感器数据如果不经底层PLC等下位机预处理，直接打到边缘计算网关，即使mqtt也会有巨大的负载！！！

理解这一步时，类似的，还有服务器的原始监控数据，比如常用的Prometheus和Zabbix，当集群很多时，监控项同样很多，再算上虚拟化后的容器和虚拟机内都可能部署了监控，此时的数据量级就灰常可观！！！一小时几百亿条数据都是常用的事情！！！

理解这一步时，但是很多原始的监控数据如果全部存下来，存储成本高的可怕，同时信息密度极低，更多时候我们可能只关注近期的全部热数据来做在线的模型训练，人工查看每秒钟几千条数据也是不切合实际的，事实上，做一个轻松的秒级/分钟级统计就能满足大多数的分析场景，超过1天的冷数据其实已经没什么时效性。

结合项目来看，对于此类场景，能够高吞吐、预聚合的数据库，在压测后，从Apache Druid、Clickhouse、Kylin中，选择了前者。。。专业的事情要交给专业的组件去做！！！

从实现思路看，对于非内核和二开的业务开发人员，更多场景应该关注的是API、特性及用法，不应该在部署这种事情上花费太多精力！！！笔者之前已部署了Docker Desktop：

（链接已移除）

今天在Win10环境再搭建个Apache Druid最新版玩玩。

版本选择

官网：

（链接已移除）

注意不是阿里数据库连接池的那个Druid！！！

截至2025-02-13，Apache Druid最新版本是32.0.0。

资源准备

参考官网：

（链接已移除）

官方给出了采用docker-compose.yml编排容器的教程，作为一个实时组件，大内存是必须的！！！但是启动8个容器【Zookeeper+PostgreSQL+6个Druid】每个最多7GB内存也不是什么大事！！！

（链接已移除）

拿到到这个资源文件：

version: "2.2"
volumes:
  metadata_data: {}
  middle_var: {}
  historical_var: {}
  broker_var: {}
  coordinator_var: {}
  router_var: {}
  druid_shared: {}
services:
  postgres:
    container_name: postgres
    image: postgres:latest
    ports:
      - "5432:5432"
    volumes:
      - metadata_data:/var/lib/postgresql/data
    environment:
      - POSTGRES_PASSWORD=FoolishPassword
      - POSTGRES_USER=druid
      - POSTGRES_DB=druid
  # Need 3.5 or later for container nodes
  zookeeper:
    container_name: zookeeper
    image: zookeeper:3.5.10
    ports:
      - "2181:2181"
    environment:
      - ZOO_MY_ID=1
  coordinator:
    image: apache/druid:32.0.0
    container_name: coordinator
    volumes:
      - druid_shared:/opt/shared
      - coordinator_var:/opt/druid/var
    depends_on:
      - zookeeper
      - postgres
    ports:
      - "8081:8081"
    command:
      - coordinator
    env_file:
      - environment
  broker:
    image: apache/druid:32.0.0
    container_name: broker
    volumes:
      - broker_var:/opt/druid/var
    depends_on:
      - zookeeper
      - postgres
      - coordinator
    ports:
      - "8082:8082"
    command:
      - broker
    env_file:
      - environment
  historical:
    image: apache/druid:32.0.0
    container_name: historical
    volumes:
      - druid_shared:/opt/shared
      - historical_var:/opt/druid/var
    depends_on: 
      - zookeeper
      - postgres
      - coordinator
    ports:
      - "8083:8083"
    command:
      - historical
    env_file:
      - environment
  middlemanager:
    image: apache/druid:32.0.0
    container_name: middlemanager
    volumes:
      - druid_shared:/opt/shared
      - middle_var:/opt/druid/var
    depends_on: 
      - zookeeper
      - postgres
      - coordinator
    ports:
      - "8091:8091"
      - "8100-8105:8100-8105"
    command:
      - middleManager
    env_file:
      - environment
  router:
    image: apache/druid:32.0.0
    container_name: router
    volumes:
      - router_var:/opt/druid/var
    depends_on:
      - zookeeper
      - postgres
      - coordinator
    ports:
      - "3012:8888" #这里笔者改为3012防止霸占有用的端口
    command:
      - router
    env_file:
      - environment

参照官网另一篇：

（链接已移除）

落到代码里，自己玩玩能够先不改这些运行时设置，容器启动的，后续要重新部署也很容易！！！

还需：

（链接已移除）

做另一个设置文件：

# Java tuning
#DRUID_XMX=1g
#DRUID_XMS=1g
#DRUID_MAXNEWSIZE=250m
#DRUID_NEWSIZE=250m
#DRUID_MAXDIRECTMEMORYSIZE=6172m
DRUID_SINGLE_NODE_CONF=micro-quickstart
druid_emitter_logging_logLevel=debug
druid_extensions_loadList=["druid-histogram", "druid-datasketches", "druid-lookups-cached-global", "postgresql-metadata-storage", "druid-multi-stage-query"]
druid_zk_service_host=zookeeper
druid_metadata_storage_host=
druid_metadata_storage_type=postgresql
druid_metadata_storage_connector_connectURI=jdbc:postgresql://postgres:5432/druid
druid_metadata_storage_connector_user=druid
druid_metadata_storage_connector_password=FoolishPassword
druid_indexer_runner_javaOptsArray=["-server", "-Xmx1g", "-Xms1g", "-XX:MaxDirectMemorySize=3g", "-Duser.timezone=UTC", "-Dfile.encoding=UTF-8", "-Djava.util.logging.manager=org.apache.logging.log4j.jul.LogManager"]
druid_indexer_fork_property_druid_processing_buffer_sizeBytes=256MiB
druid_storage_type=local
druid_storage_storageDirectory=/opt/shared/segments
druid_indexer_logs_type=file
druid_indexer_logs_directory=/opt/shared/indexing-logs
druid_processing_numThreads=2
druid_processing_numMergeBuffers=2
DRUID_LOG4J=<?xml version="1.0" encoding="UTF-8" ?><Configuration status="WARN"><Appenders><Console name="Console" target="SYSTEM_OUT"><PatternLayout pattern="%d{ISO8601} %p [%t] %c - %m%n"/></Console></Appenders><Loggers><Root level="info"><AppenderRef ref="Console"/></Root><Logger name="org.apache.druid.jetty.RequestLog" additivity="false" level="DEBUG"><AppenderRef ref="Console"/></Logger></Loggers></Configuration>

部署文件看起来麻雀虽小五脏俱全！！！

部署

PS C:Userszhiyong> cd E:dockerDatavolumedruid1
PS E:dockerDatavolumedruid1> ls
    目录: E:dockerDatavolumedruid1
Mode                 LastWriteTime         Length Name
----                 -------------         ------ ----
-a----        2025-02-13     23:26           2980 docker-compose.yml
-a----        2025-02-13     23:33           1576 environment
PS E:dockerDatavolumedruid1> docker compose up -d
time="2025-02-13T23:34:39+08:00" level=warning msg="E:\dockerData\volume\druid1\docker-compose.yml: the attribute `version` is obsolete, it will be ignored, please remove it to avoid potential confusion"
[+] Running 72/15
 ✔ router Pulled                                          230.7s 
 ✔ coordinator Pulled                                     230.7s 
 ✔ postgres Pulled                                        181.0s 
 ✔ historical Pulled                                      230.7s 
 ✔ broker Pulled                                          230.7s 
 ✔ middlemanager Pulled                                   230.7s 
 ✔ zookeeper Pulled                                        85.7s 
[+] Running 15/15
 ✔ Network druid1_default           Created                 0.1s 
 ✔ Volume "druid1_druid_shared"     Created                 0.0s 
 ✔ Volume "druid1_historical_var"   Created                 0.0s 
 ✔ Volume "druid1_middle_var"       Created                 0.0s 
 ✔ Volume "druid1_router_var"       Created                 0.0s 
 ✔ Volume "druid1_metadata_data"    Created                 0.0s 
 ✔ Volume "druid1_coordinator_var"  Created                 0.0s 
 ✔ Volume "druid1_broker_var"       Created                 0.0s 
 ✔ Container postgres               Started                 2.4s 
 ✔ Container zookeeper              Started                 2.4s 
 ✔ Container coordinator            Started                 1.6s 
 ✔ Container router                 Started                 2.5s 
 ✔ Container broker                 Started                 2.3s 
 ✔ Container historical             Started                 2.5s 
 ✔ Container middlemanager          Started                 2.8s 
PS E:dockerDatavolumedruid1>

拉取镜像成功后很快就能拉起容器：

好家伙。。。还顺便把其它组件的端口也给暴露出来了。。。

于是还**白piao**到一个PG和Zookeeper！！！

验证

（链接已移除）

实际处理时，灰常好，现在已经拥有了一个最新Apache Druid32.0.0！！！

转载请注明出处：（链接已移除）

到此这篇关于Win10环境借助DockerDesktop部署大数据时序数据库Apache Druid的文章就介绍到这了,更多相关DockerDesktop部署大数据时序数据库Apache Druid内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多兼容脚本之家！

您可能感兴趣的文章:

在windows上用docker desktop安装部署StoneDB
Docker更快部署gitlab+gitlab-runner实例
采用docker搭建gitlab并且开放到公网
如何修改Docker部署gitlab的外部访问地址和端口
docker 部署 gitlab-ce 16.9.1的详细过程
Docker搭建私有GitLab服务的方法
解决docker搭建gitlab时容器不停重启的问题
如何采用Docker Desktop部署GitLab

推荐专题

最新下载

热门教程

Win10环境借助DockerDesktop部署大数据时序数据库Apache Druid的操作做法实用指南

目录

Win10环境借助DockerDesktop部署最新版大数据时序数据库Apache Druid32.0.0

前言

版本选择

资源准备

部署

相关文章

热门栏目

php教程

asp.net教程

手机开发

css教程

网页制作

办公数码

jsp教程