请阐述 Apache Druid 的分布式查询架构设计，并说明它是通过哪些机制来保障查询高效性的？
考察说明
考查对 Druid 分布式查询架构及性能优化机制的理解。
回答思路
- 【回答框架 1】Druid 采用 Broker、Historical、Coordinator 和 Overlord 等角色分工的架构。Broker 接收查询请求，解析并路由到多个 Historical 节点并行执行，最后合并结果。
- 【回答框架 2】查询高效性依赖预聚合的 Segment 存储、时间分区和位图索引，减少扫描数据量。Broker 通过元数据定位相关 Segment，仅查询必要分片。
- 【回答框架 3】利用缓存机制，Broker 和 Historical 层缓存查询结果或中间数据，加速重复查询。同时支持近似算法（如 HyperLogLog）降低计算开销。
- 【回答框架 4】并行化是核心，查询被拆分为子任务分发到多节点，每个节点独立处理本地 Segment，最终结果合并，实现水平扩展。
- 【回答框架 5】针对实时和批量数据，Druid 使用不同摄取路径，但查询层统一，通过时间边界和过滤条件裁剪数据，进一步提升效率。
- 【关键点 1】Broker 负责查询路由和结果合并，Historical 存储 Segment 并并行处理。
- 【关键点 2】预聚合、位图索引和时间分区显著减少扫描数据量。
- 【关键点 3】缓存和近似算法（如 HLL）降低查询延迟。
- 【关键点 4】查询并行化与水平扩展是高效性的关键。
- 【关键点 5】数据裁剪（时间、维度过滤）减少参与计算的 Segment。
- 【易错点 1】不能将查询高效性简单归因于单一机制，需综合架构、存储和并行。
- 【易错点 2】缓存并非总是有效，需考虑数据更新和缓存一致性。
- 【易错点 3】近似算法牺牲精度，需明确适用场景。