{"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\/news\/vypusk-victoriametrics-1-94-subd-dlya-postroeniya-sistem-monitoringa","title":{"rendered":"Ver\u00f6ffentlichung VictoriaMetrics 1.94, eine DBMS f\u00fcr den Aufbau von Monitoring-Systemen.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Die Version 1.94.0 der VictoriaMetrics-Plattform ist verf\u00fcgbar und bietet eine Datenbank f\u00fcr die Speicherung und Verarbeitung von Zeitreihendaten (eine Aufzeichnung besteht aus der Zeit und einer Menge von dazu passenden Werten, z. B. aus der periodischen Abfrage von Sensordaten oder der Sammlung von Metriken), die f\u00fcr die \u00dcberwachung optimiert ist. Das Projekt konkurriert mit L\u00f6sungen wie InfluxDB, TimescaleDB, Thanos, Cortex und Uber M3 und bietet eine h\u00f6here Leistung. Die Datenbank kann als langfristiger Datenspeicher verwendet werden, der mit Prometheus und Grafana verbunden ist, sowie als transparente Alternative zu InfluxDB. Der Code ist in der Programmiersprache Go geschrieben und wird unter der Apache 2.0-Lizenz verbreitet. <\/p>\n

In den Leistungstests \u00fcbertrifft VictoriaMetrics InfluxDB und TimescaleDB bei der Durchf\u00fchrung von Dateninsertions- und Abfrageoperationen um das bis zu 20-fache und verbraucht dabei 10-mal weniger RAM als InfluxDB und 7-mal weniger als Prometheus, Thanos und Cortex bei der Verarbeitung von Millionen einzigartiger Zeitreihen. Die Speicherung von Daten in komprimierter Form erm\u00f6glicht es, in demselben Speicherplatz 7-mal mehr Eintr\u00e4ge im Vergleich zu Prometheus, Thanos und Cortex unterzubringen und 70-mal mehr im Vergleich zu TimescaleDB. Es gibt spezifische Optimierungen f\u00fcr Speichersysteme mit hohen Latenzen und niedriger I\/O-Intensit\u00e4t (zum Beispiel Festplatten und Cloud-Speicherl\u00f6sungen wie AWS, Google Cloud und Microsoft Azure). <\/p>\n

Die Datenbank ist als eine einzige ausf\u00fchrbare Datei konzipiert, mit minimalen Konfigurationen, die \u00fcber die Befehlszeile bei der Ausf\u00fchrung \u00fcbergeben werden. Alle Daten werden in einem Verzeichnis gespeichert, das bei der Ausf\u00fchrung mit dem Flag \u201e-storageDataPath\u201c festgelegt wird. Als Abfragesprache kommt MetricsQL zum Einsatz, eine erweiterte Version der PromQL-Sprache, die im \u00dcberwachungssystem Prometheus verwendet wird. Neben der kontinuierlichen Verarbeitung eingehender Daten unterst\u00fctzt VictoriaMetrics auch die M\u00f6glichkeit, zuvor gesammelte historische Daten zu laden. <\/p>\n

Es stehen Tools zum Schutz der Integrit\u00e4t des Speichers vor Datenbesch\u00e4digungen zur Verf\u00fcgung, z. B. bei pl\u00f6tzlichen Stromausf\u00e4llen (der Speicher hat die Form eines journal-strukturierten Baums mit Merging) sowie ein einfaches Snapshot-basiertes Backup-System. Es ist m\u00f6glich, VictoriaMetrics-Knoten zu einem horizontal skalierbaren Cluster zusammenzuschlie\u00dfen, der Mechanismen f\u00fcr hohe Verf\u00fcgbarkeit unterst\u00fctzt. <\/p>\n

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