VictoriaMetrics, ein mit Prometheus kompatibles Zeitreihen-DBMS, ist Open Source

Offen Quelltexte VictoriaMetrics — ein schnelles und skalierbares DBMS zum Speichern und Verarbeiten von Daten in Form einer Zeitreihe (der Datensatz bildet die Zeit und einen dieser Zeit entsprechenden Satz von Werten, die beispielsweise durch periodische Abfrage des Status von Sensoren oder Sammlung von Daten erhalten werden). Metriken). Das Projekt konkurriert mit solchen Lösungen wie InfluxDB, ZeitskalaDB, Thanos, Kortex и Uber M3. Der Code ist in der Go-Sprache geschrieben und vertrieben von lizenziert unter Apache 2.0.

Vorteile und Features von VictoriaMetrics:

• Einfach zu verwenden. Es handelt sich um eine einzelne ausführbare Datei mit minimalen Einstellungen, die beim Start über die Befehlszeile übergeben wird. Alle Daten werden in einem Verzeichnis gespeichert, das beim Start mit dem Flag „-storageDataPath“ angegeben wird;
• Unterstützung der Abfragesprache PromQL, im Überwachungssystem verwendet Prometheus. PromQL-Unterabfragen und einige davon werden unterstützt erweiterte Fähigkeiten, wie etwa der „Offset“-Ausdruck, Muster innerhalb von „WIDTH“, „if“- und „default“-Anweisungen, zusätzliche Funktionen und die Möglichkeit, Kommentare einzuschließen;
• Kann verwendet werden als langfristige Datenspeicherungverbunden mit Prometheus und Grafana.
• Verfügbarkeit des Backfill-Modus zum Laden historischer Daten;
• Unterstützt verschiedene Datenübertragungsprotokolle, einschließlich Prometheus-API, Zustrom, Graphite и OpenTSDB. VictoriaMetrics kann als transparenter Ersatz für InfluxDB verwendet werden und kann mit InfluxDB-kompatiblen Kollektoren wie Telegraf arbeiten;
• Hohe Leistung und geringer Ressourcenverbrauch im Vergleich mit konkurrierenden Systemen. In einigen Tests übertrifft VictoriaMetrics InfluxDB und TimescaleDB bei der Durchführung von Einfüge- und Abrufvorgängen um das bis zu 20-fache. Bei der Durchführung analytischer Abfragen kann der Gewinn im Vergleich zu relationalen DBMS PostgreSQL und MySQL 10 bis 1000 Mal betragen.
  
  
  

• Es gibt Gelegenheit Verarbeitung einer sehr großen Anzahl einzigartiger Zeitreihen. Verbraucht bei der Verarbeitung von Millionen verschiedener Zeitreihen bis zu zehnmal weniger RAM als InfluxDB.
• Hoher Grad an Datenkomprimierung im Festplattenspeicher. Im Vergleich zu TimescaleDB können bis zu 70-mal mehr Datensätze im gleichen Speicherplatz untergebracht werden.
• Verfügbarkeit von Optimierungen für Speicher mit hoher Latenz und geringer Anzahl von Ein-/Ausgabevorgängen pro Sekunde (z. B. Festplatten und Cloud-Speicher AWS, Google Cloud und Microsoft Azure);
• Einfaches Backup-System basierend Schnappschüsse;
• Verfügbarkeit von Mitteln zum Schutz der Integrität des Speichers vor Datenschäden, beispielsweise im Falle eines Notstromausfalls (der Speicher hat die Form Protokollstrukturierter Baum mit Zusammenführung);
• Implementierung in der Go-Sprache, die im Vergleich zu Rust und C++ einen Kompromiss zwischen Leistung und Codekomplexität bietet.
• Quellcodes bereitgestellt Cluster-Versionen, das die horizontale Skalierung über mehrere Server hinweg unterstützt und einen geringen Overhead aufweist. Hochverfügbarkeitsfunktionen sind verfügbar.

Source: opennet.ru