Sur cette page
AceMQ propose du support Apache Druid : une couverture 24/7 avec des objectifs de réponse à partir de 15 minutes, selon le plan, pour Apache Druid autogéré, quelle que soit la version. Les autres sources sont la communauté Apache Druid, Imply et des cabinets de conseil comme Deep.BI, comparés ci-dessous.
| Prestataire | Ce qu'il prend en charge | Idéal pour |
|---|---|---|
| AceMQ | Support Apache Druid 24/7 avec des objectifs de réponse à partir de 15 minutes, selon le plan, quelle que soit la version | Apache Druid autogéré nécessitant un ingénieur senior attitré d'astreinte |
| Communauté Apache Druid | La liste de diffusion, Slack et GitHub | Aucun délai de réponse |
| Imply | Sa propre distribution Druid et son service cloud | Les équipes qui exécutent Druid sur Imply |
| Cabinets de conseil comme Deep.BI | Clusters Druid autogérés | Missions projet et conseil |
Le projet ne publie aucune période de support pour les versions plus anciennes : un cluster Druid qui n'a pas été mis à niveau depuis un ou deux ans est donc, en pratique, livré à lui-même.
Ce que le projet Apache Druid prend en charge
Au moment de la rédaction, Apache Druid 38.0.0, publiée le 1er octobre 2026, est la dernière version stable sur la page de téléchargement d'Apache Druid, les versions plus anciennes étant conservées dans l'archive Apache. La documentation de versionnage du projet décrit l'articulation entre versions majeures, mineures et correctives et recommande d'utiliser la version stable, mais ne promet aucun correctif pour les branches plus anciennes. Le support communautaire, ce sont la liste de diffusion des utilisateurs, Slack, les issues GitHub et Stack Overflow, sans délai de réponse ni accès à votre cluster.
À quoi sert Apache Druid, et est-ce un data warehouse ?
Druid est une base de données open source d'analytique temps réel, conçue pour des requêtes OLAP en moins d'une seconde sur des données d'événements à forte concurrence. Il ingère des streams depuis Apache Kafka ou Amazon Kinesis et des lots depuis un stockage objet ou HDFS, stocke les données sous forme de segments partitionnés par le temps avec rollup optionnel, et répond aux requêtes d'agrégation via Druid SQL sur l'API HTTP ou JDBC. Il alimente des tableaux de bord exposés aux utilisateurs, de l'analytique produit et réseau, et des charges de séries temporelles où de nombreux utilisateurs interrogent simultanément des données fraîches.
Ce n'est pas un data warehouse généraliste. La force de Druid, ce sont les agrégations rapides et filtrées sur des événements récents ; les grandes jointures entre tables volumineuses, les mises à jour fréquentes de lignes individuelles et le reporting ad hoc sur de nombreuses tables sans lien relèvent plutôt d'un data warehouse. Son principal inconvénient est opérationnel : un cluster Druid se compose de plusieurs services coopérants, Coordinator, Overlord, Broker, Router, Historical et MiddleManager ou Indexer, auxquels s'ajoutent le deep storage, une base de métadonnées et la découverte de services, et chacun peut devenir le goulot d'étranglement.
Imply et les autres options commerciales pour Druid
Imply commercialise Imply Enterprise, une distribution commerciale de Druid que vous déployez vous-même, et Imply Polaris, un service de base de données cloud bâti sur Druid. Tous deux s'accompagnent du support d'Imply pour les logiciels d'Imply. Des cabinets de conseil comme Deep.BI proposent des services d'optimisation et de support Druid. Si vous exploitez vous-même Apache Druid open source, sur des machines virtuelles ou Kubernetes, la voie éditeur implique d'abord une migration vers la distribution de l'éditeur.
Les incidents Apache Druid qui déclenchent réellement les astreintes
- Retard d'ingestion Kafka. Le superviseur prend du retard parce que les tâches d'ingestion sont trop peu nombreuses pour les partitions, que les slots de tâches des MiddleManagers sont épuisés ou que le handoff vers les Historicals est lent, et les tableaux de bord affichent des données périmées. Le correctif dépend de la cause, et les métriques de retard d'offset vous l'indiquent.
- Des performances des requêtes qui se dégradent au fil des mois. Trop de petits segments issus de l'ingestion en streaming sans compaction, un partitionnement inadapté ou un rollup désactivé là où il serait utile. Chaque requête se disperse sur des milliers de segments et les Brokers peinent sous la concurrence.
- Des Historicals incapables de charger les segments. Le disque ou la mémoire du tier Historical est saturé, les règles de chargement demandent plus de réplicas que le tier ne peut en contenir, et le Coordinator signale des segments indisponibles : les requêtes renvoient alors silencieusement des résultats partiels.
- Problèmes de metadata store et de deep storage. La base de métadonnées grossit ou ralentit, ou les permissions du deep storage changent, et les tâches d'ingestion échouent au moment de la publication alors même que les données ont été lues correctement.
- Mises à niveau sur plusieurs versions. Les propriétés de configuration, les extensions et les comportements par défaut changent d'une version majeure à l'autre. Sauter plusieurs versions d'un coup sans lire chaque série de notes de mise à niveau, c'est ainsi qu'une mise à niveau de routine se transforme en panne.
La place du support indépendant Apache Druid
- Apache Druid autogéré quelle que soit la version, y compris des versions très en retard sur la version actuelle.
- Les travaux de performance et de fiabilité, comme la compaction, le partitionnement, le rollup et le tiering, qu'un contrat de dépannage seul ne couvre pas.
- Le pipeline de streaming en amont, généralement Apache Kafka, car les problèmes d'ingestion naissent souvent en amont.
- Les mises à niveau planifiées sur plusieurs versions, testées au préalable sur vos propres spécifications d'ingestion et requêtes.
AceMQ fournit un support Apache Druid 24/7 avec des objectifs de réponse à partir de 15 minutes, selon le plan, et des ingénieurs seniors attitrés, ainsi qu'un support Kafka pour la partie ingestion. Exemples : une résolution de retard d'ingestion et un support sur les performances des requêtes.
| Gravité | Première réponse | Incident type |
|---|---|---|
| P1 — Urgence | À partir de 15 min (selon le plan) | Production à l'arrêt, flux de données interrompu, défaillance du cluster ou d'un nœud |
| P2 — Critique | 1 heure | Dégradation sévère, taux d'erreur en hausse, limites de capacité bientôt atteintes |
| P3 — Élevée | 4 heures | Problèmes de performance, problèmes de configuration, défaillances non critiques |
| P4 — Standard | Jour suivant | Questions, conseils, bonnes pratiques, améliorations non urgentes |
Questions fréquentes
Quelles entreprises proposent du support Apache Druid ?
La communauté Apache Druid aide via la liste de diffusion, Slack et GitHub, sans délai de réponse garanti. Imply assure le support de sa propre distribution et de son service cloud. Des cabinets de conseil et des prestataires indépendants comme AceMQ prennent en charge Apache Druid autogéré.
Quelles versions d'Apache Druid sont supportées ?
Le projet publie la dernière version stable, la 38.0.0 au moment de la rédaction, et recommande de l'utiliser. Il ne publie aucune fenêtre de support pour les versions plus anciennes.
Apache Druid est-il un data warehouse ?
Non. C'est une base de données d'analytique temps réel conçue pour des requêtes d'agrégation rapides sur des données d'événements à forte concurrence. Les grandes jointures, les mises à jour ligne par ligne et le reporting ad hoc à large spectre relèvent plutôt d'un data warehouse.
À quoi sert Apache Druid ?
Aux tableaux de bord analytiques exposés aux utilisateurs, à l'analytique produit, réseau et sécurité, et aux séries temporelles que de nombreux utilisateurs interrogent alors qu'elles sont encore fraîches, généralement alimentées en streaming depuis Apache Kafka ou Amazon Kinesis.
Imply assure-t-il le support d'Apache Druid open source ?
Le support d'Imply couvre les logiciels d'Imply, à savoir Imply Enterprise et Imply Polaris. Des prestataires indépendants assurent le support d'Apache Druid open source tel que vous l'exploitez aujourd'hui.
Parler à un ingénieur
Besoin d’un coup de main sur Apache Druid ?
Des ingénieurs seniors qui l’exploitent en production. Demandez un devis ou une consultation gratuite, sans argumentaire commercial.
Guides, comparatifs et études
Approfondir le support et le cycle de vie des versions
Comparatifs
8- PostgreSQL ou MySQL : les différences et comment choisir
- OpenSearch vs Elasticsearch : comment le fork a divergé
- Comparatif 2026 du support entreprise : Databricks, Snowflake, MuleSoft, Boomi, Datadog et Splunk
- Alternatives à Splunk : comparatif des solutions de remplacement
- Alternatives à MuleSoft : comparatif des concurrents
- Alternatives à New Relic et concurrents : que comparer avant de partir
- Durées de support open source et éditeurs comparées
- Options de support des brokers de messages comparées

