请说明 Apache Druid 的数据模型设计思路，并对比它和传统关系型数据库模型之间的主要差异。

回答思路

1. 【回答框架 1】Druid 数据模型以时间序列为核心，数据按时间戳组织成段，每个段内采用列式存储，并支持预聚合（rollup）以压缩数据量。核心概念包括数据源、时间列、维度列和指标列，维度用于过滤和分组，指标用于聚合计算。
2. 【回答框架 2】与传统关系型数据库相比，Druid 面向分析型查询，强调高并发聚合和快速扫描，而非事务处理。传统模型以行存储和规范化为主，支持 ACID 和复杂关联；Druid 则用列存储提升压缩率和扫描效率，通过预聚合减少实时计算量，但牺牲了更新和事务能力。
3. 【回答框架 3】Druid 数据模型支持分段和分区，数据按时间范围划分为段，段内可进一步分区，便于并行查询和生命周期管理。传统数据库通常按表存储，索引和分区策略不同，且不内置预聚合机制。
4. 【回答框架 4】差异还体现在数据写入和查询模式上：Druid 适合批量导入和流式摄入，查询多为聚合和时序分析；传统数据库适合频繁点查和更新，支持 SQL 标准事务。Druid 也提供 SQL 接口，但底层优化针对列式扫描和位图索引。
5. 【回答框架 5】适用场景上，Druid 用于实时监控、OLAP 和事件数据分析，传统数据库用于业务系统、事务处理和关系数据管理。选择时需根据查询模式、数据更新频率和一致性要求权衡。
6. 【关键点 1】Druid 数据模型基于时间序列，采用列式存储和预聚合，核心为数据源、时间列、维度列和指标列。
7. 【关键点 2】与传统数据库相比，Druid 牺牲事务和更新能力，换取分析查询的高性能和压缩率。
8. 【关键点 3】Druid 通过分段和分区组织数据，支持并行查询和高效生命周期管理。
9. 【关键点 4】传统数据库以行存储和规范化为主，支持 ACID 和复杂关联；Druid 面向 OLAP 场景，优化聚合和扫描。
10. 【关键点 5】Druid 提供 SQL 接口但底层优化不同，适合实时分析和事件数据，传统数据库适合事务处理。
11. 【易错点 1】不要将 Druid 的预聚合等同于所有查询都无需计算，未预聚合的指标仍需实时聚合。
12. 【易错点 2】不要认为 Druid 支持完整 SQL 事务和更新，其更新能力有限，主要面向追加写入。
13. 【易错点 3】避免忽略 Druid 对时间列的要求，数据模型设计需围绕时间序列展开，否则性能优势难以发挥。