{"id":110625,"date":"2023-10-05T15:10:13","date_gmt":"2023-10-05T13:10:13","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/vypusk-victoriametrics-1-94-subd-dlya-postroeniya-sistem-monitoringa"},"modified":"2023-10-05T15:10:13","modified_gmt":"2023-10-05T13:10:13","slug":"vypusk-victoriametrics-1-94-subd-dlya-postroeniya-sistem-monitoringa","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/vypusk-victoriametrics-1-94-subd-dlya-postroeniya-sistem-monitoringa","title":{"rendered":"Die Ver\u00f6ffentlichung von VictoriaMetrics 1.94, einer Datenbank f\u00fcr den Aufbau von Monitoringsystemen.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Die Version 1.94.0 der Plattform VictoriaMetrics ist verf\u00fcgbar und bietet eine Datenbank f\u00fcr die Speicherung und Verarbeitung von Daten in Form von Zeitreihen (bei denen Zeit und die zugeh\u00f6rigen Values, beispielsweise durch regelm\u00e4\u00dfige Abfragen von Sensordaten oder das Sammeln von Metriken, erfasst werden). Das System ist optimiert f\u00fcr Monitoring-Aufgaben und tritt in Konkurrenz zu L\u00f6sungen wie InfluxDB, TimescaleDB, Thanos, Cortex und Uber M3, dabei zeichnet es sich durch eine h\u00f6here Leistungsf\u00e4higkeit aus. Die Datenbank kann als langfristiger Datenspeicher verwendet werden, der mit Prometheus und Grafana verbunden ist, sowie als transparente Alternative zu InfluxDB dienen. Der Code ist in Go geschrieben und wird unter der Apache 2.0 Lizenz ver\u00f6ffentlicht. <\/p>\n

In Leistungstests \u00fcbertrifft VictoriaMetrics InfluxDB und TimescaleDB bei Dateninsert- und Abfrageoperationen um das Bis zu 20-fache und verbraucht dabei 10-mal weniger RAM als InfluxDB sowie 7-mal weniger als Prometheus, Thanos und Cortex bei der Verarbeitung von Millionen einzigartigen Zeitreihen. Die Speicherung von Daten in komprimierter Form erm\u00f6glicht es, im gleichen Speicherplatz 7-mal mehr Eintr\u00e4ge im Vergleich zu Prometheus, Thanos und Cortex unterzubringen und sogar 70-mal mehr als bei TimescaleDB. Es gibt spezifische Optimierungen f\u00fcr Speicher mit hohen Latenzen und niedriger E\/A-Intensit\u00e4t (z. B. Festplatten und Cloud-Speicher wie AWS, Google Cloud und Microsoft Azure). <\/p>\n

Die Datenbank ist als eine einzige ausf\u00fchrbare Datei mit minimalen Konfigurationen gestaltet, die beim Start \u00fcber die Befehlszeile \u00fcbergeben werden. Alle Daten werden in einem Verzeichnis gespeichert, das beim Start mit dem Flag \u00ab-storageDataPath\u00bb festgelegt wird. Als Abfragesprache wird MetricsQL verwendet, eine erweiterte Version der Abfragesprache PromQL, die im \u00dcberwachungssystem Prometheus zum Einsatz kommt. Neben der kontinuierlichen Verarbeitung eingehender Daten bietet VictoriaMetrics auch die M\u00f6glichkeit, zuvor gesammelte historische Daten zu laden. <\/p>\n

Es werden Mittel bereitgestellt, um die Integrit\u00e4t des Speichers vor Datenbesch\u00e4digungen zu sch\u00fctzen, beispielsweise bei einem pl\u00f6tzlichen Stromausfall (der Speicher hat die Form eines baumartigen Journals mit Zusammenf\u00fchrungen). Zudem gibt es ein einfaches Backup-System auf Basis von Snapshots. Die Knoten von VictoriaMetrics k\u00f6nnen zu einem horizontal skalierbaren Cluster zusammengef\u00fcgt werden, das Mechanismen zur Gew\u00e4hrleistung einer hohen Verf\u00fcgbarkeit unterst\u00fctzt. <\/p>\n

Zu den Neuerungen der neuen Version geh\u00f6ren: <\/p>\n