在 Apache Druid 中，数据摄取（ingestion）支持实时流式写入与离线批量导入两种模式，请说明这两种模式各自基于什么机制实现，并简述它们在工作原理上的主要差异。
考察说明
考察候选人对 Druid 数据摄取两种模式底层机制及其差异的理解。
回答思路
- 【回答框架 1】Druid 的实时摄取通过实时节点（或索引服务）监听 Kafka 等消息队列，将流式数据先写入内存中的不可变分段（Segment），并定期（如按 interval 或阈值）将完成的 Segment 持久化到深层存储，实现近实时可见。
- 【回答框架 2】批处理摄取通常使用 Hadoop 或原生批处理任务，将历史数据一次性或周期性生成 Segment 并直接写入深层存储，不经过实时缓冲层，适合批量导入或初始化数据。
- 【回答框架 3】两者的核心差异在于数据到达方式与 Segment 生成路径：实时摄取强调低延迟追加和持续提交，批处理强调高吞吐一次性处理；实时摄取可能产生部分未完成 Segment 的合并问题，批处理则更容易控制 Segment 的大小和数量。
- 【回答框架 4】在实际应用中，常将两者结合：实时摄取处理最近数据以保证时效，批处理填补历史数据或修正数据，最终由 Coordinator 统一管理 Segment 的生命周期和查询合并。
- 【关键点 1】实时摄取依赖消息队列和实时节点，数据先入内存 Segment 再落盘，实现秒级到分钟级可见。
- 【关键点 2】批处理通过 Hadoop 或原生任务直接生成 Segment 到深层存储，适合大批量历史数据导入。
- 【关键点 3】两种模式最终都生成统一的 Segment 模型，对查询透明，便于混合使用。
- 【易错点 1】实时和批处理共享 Segment 模型，但实时数据存在近实时延迟，不能声称完全实时。
- 【易错点 2】批处理作业需要关注 Segment 粒度和文件数量，避免小文件过多影响查询性能。
- 【易错点 3】混合架构中需协调好实时与批量数据的更新时间，防止重复或数据不一致。