请说明在 Apache Druid 中，通过数据合并策略来优化查询性能的具体做法和原理。

回答思路

1. 【回答框架 1】Druid 的 rollup 是一种预聚合策略，在摄入数据时按维度分组，对指标列进行聚合（如求和、计数、最大值等），从而减少存储的行数。其核心是维度组合作为聚合键，相同键的原始记录合并为一行，指标值按聚合函数合并。
2. 【回答框架 2】rollup 能显著减少数据量，降低存储和扫描开销，从而提升聚合查询速度。但代价是丢失原始明细数据，无法查询未聚合的细节，且聚合粒度固定，需在摄入前设计好维度组合和聚合函数。
3. 【回答框架 3】使用 rollup 时需注意维度基数：高基数维度（如用户 ID）会导致合并效果差，甚至行数不减反增。建议对高基数维度使用近似聚合（如 HyperLogLog）或拆分为低基数维度，并合理设置 rollup 粒度（如小时、天）。
4. 【回答框架 4】实际应用中，可结合 segment 粒度、分区和排序来优化。例如按时间分区，将常用过滤维度放在前列，配合位图索引和压缩，进一步提升查询性能。
5. 【回答框架 5】对于需要明细查询的场景，可保留原始数据或使用其他存储，避免 rollup 造成信息丢失。
6. 【关键点 1】rollup 通过预聚合减少行数，提升聚合查询性能。
7. 【关键点 2】维度基数过高会削弱 rollup 效果，需谨慎设计。
8. 【关键点 3】rollup 会丢失明细，需权衡查询需求。
9. 【关键点 4】结合分区、排序和索引可进一步优化。