Fixed errors about Druid [#METR-20000].

doc/reference_en.html

@@ -122,7 +122,7 @@ In a column-oriented DBMS, data is stored like this:
 
 These examples only show the order that data is arranged in.
 The values from different columns are stored separately, and data from the same column is stored together.
-Examples of a column-oriented DBMS: Vertica, Paraccel (Actian Matrix) (Amazon Redshift), Sybase IQ, Exasol, Infobright, InfiniDB, MonetDB (VectorWise) (Actian Vector), LucidDB, SAP HANA, Google Dremel, Google PowerDrill, Metamarkets Druid, kdb+ and others.
+Examples of a column-oriented DBMS: Vertica, Paraccel (Actian Matrix) (Amazon Redshift), Sybase IQ, Exasol, Infobright, InfiniDB, MonetDB (VectorWise) (Actian Vector), LucidDB, SAP HANA, Google Dremel, Google PowerDrill, Druid, kdb+ and others.
 
 
 Different orders for storing data are better suited to different scenarios.
@@ -248,7 +248,7 @@ Some column-oriented DBMSs (InfiniDB CE and MonetDB) do not use data compression
 
 <h3 class="not-for-contents">3. Disk storage of data.</h3>
 
-Many column-oriented DBMSs (SAP HANA, Metamarkets Druid, and Google PowerDrill) can only work in RAM. But even on thousands of servers, the RAM is too small for storing all the pageviews and sessions in Yandex.Metrica.
+Many column-oriented DBMSs (SAP HANA, and Google PowerDrill) can only work in RAM. But even on thousands of servers, the RAM is too small for storing all the pageviews and sessions in Yandex.Metrica.
 
 <h3 class="not-for-contents">4. Parallel processing on multiple cores.</h3>
 

doc/reference_ru.html

@@ -123,7 +123,7 @@ ClickHouse - столбцовая СУБД для OLAP (Columnar DBMS).
 
 В примерах изображён только порядок расположения данных.
 То есть, значения из разных столбцов хранятся отдельно, а данные одного столбца - вместе.
-Примеры столбцовых СУБД: Vertica, Paraccel (Actian Matrix) (Amazon Redshift), Sybase IQ, Exasol, Infobright, InfiniDB, MonetDB (VectorWise) (Actian Vector), LucidDB, SAP HANA, Google Dremel, Google PowerDrill, Metamarkets Druid, kdb+ и т. п.
+Примеры столбцовых СУБД: Vertica, Paraccel (Actian Matrix) (Amazon Redshift), Sybase IQ, Exasol, Infobright, InfiniDB, MonetDB (VectorWise) (Actian Vector), LucidDB, SAP HANA, Google Dremel, Google PowerDrill, Druid, kdb+ и т. п.
 
 Разный порядок хранения данных лучше подходит для разных сценариев работы.
 Сценарий работы с данными - это то, какие производятся запросы, как часто и в каком соотношении; сколько читается данных на запросы каждого вида - строк, столбцов, байт; как соотносятся чтения и обновления данных; какой рабочий размер данных и насколько локально он используется; используются ли транзакции и с какой изолированностью; какие требования к дублированию данных и логической целостности; требования к задержкам на выполнение и пропускной способности запросов каждого вида и т. п.
@@ -248,7 +248,7 @@ LIMIT 20
 
 <h3 class="not-for-contents">3. Хранение данных на диске.</h3>
 
-Многие столбцовые СУБД (SAP HANA, Metamarkets Druid, Google PowerDrill) могут работать только в оперативке. Но оперативки (даже на тысячах серверах) слишком мало для хранения всех хитов и визитов в Яндекс.Метрике.
+Многие столбцовые СУБД (SAP HANA, Google PowerDrill) могут работать только в оперативке. Но оперативки (даже на тысячах серверах) слишком мало для хранения всех хитов и визитов в Яндекс.Метрике.
 
 <h3 class="not-for-contents">4. Параллельная обработка запроса на многих процессорных ядрах.</h3>