Apache Druid 中实现数据分区与分片的方式分别是什么？请说明两者的区别及各自作用。

回答思路

1. 【回答框架 1】Druid 中分区（Partitioning）指的是按时间段对数据进行划分，即将数据按照时间戳分成不同的 chunks（或 segments），每个 chunk 对应一个时间桶。这是 Druid 默认的时间分区方式，用于支持高效的时间范围查询和数据生命周期管理。
2. 【回答框架 2】分片（Sharding）指的是在同一时间分区内，将数据进一步拆分为多个 segments，主要目的是控制单个 segment 的大小，避免过大 segment 带来的查询效率和资源问题。Druid 通过 hash 或 range 等策略对数据进行分片，例如使用‘hash’函数对分片键进行哈希，将数据均匀分布到不同 segments。
3. 【回答框架 3】两者区别在于：分区维度是时间，分片维度是数据内容（如列值）；分区是自动的、默认的，分片可以配置不同的分片键和策略；分区用于时间裁剪，分片用于并行查询和数据均衡。
4. 【关键点 1】Druid 分区按时间，分片在同一时间分区内按列值拆分为多个 segments。
5. 【关键点 2】分区自动按时间桶进行，分片可通过 hash 或 range 策略配置。
6. 【关键点 3】分区支持时间范围裁剪，分片提升查询并行度和存储均衡。
7. 【关键点 4】分片键的选择影响数据分布，应选择高基数且均匀分布的列。
8. 【易错点 1】混淆分区与分片，分片是二级划分，不是独立于分区的方式。
9. 【易错点 2】认为分片键随意选择，选择低基数列会导致数据倾斜。
10. 【易错点 3】忽略 segment 数量过少或过多对查询性能的影响。