VictoriaMetrics, un DBMS de series temporales compatible con Prometheus, es de código abierto

abierto código fuente VictoriaMétricas — un DBMS rápido y escalable para almacenar y procesar datos en forma de series de tiempo (el registro forma el tiempo y un conjunto de valores correspondientes a este tiempo, por ejemplo, obtenidos mediante sondeos periódicos del estado de los sensores o recopilación de métrica). El proyecto compite con soluciones como Influjo DB, Escala de tiempoDB, Thanos, Corteza и Uber M3. El código está escrito en lenguaje Go y distribuido por licenciado bajo Apache 2.0.

Ventajas y características de VictoriaMetrics:

• Fácil de usar. Es un único archivo ejecutable con configuraciones mínimas que se pasan a través de la línea de comando al inicio. Todos los datos se almacenan en un directorio, especificado al inicio mediante el indicador "-storageDataPath";
• Soporte de lenguaje de consulta PromQL, utilizado en el sistema de monitoreo Prometeo. Subconsultas PromQL y algunas son compatibles. capacidades extendidas, como la expresión "compensación", patrones dentro de las declaraciones "WIDTH", "if" y "default", funciones adicionales y la capacidad de incluir comentarios;
• Se puede utilizar como almacenamiento de datos a largo plazoconectado con Prometeo y Grafana.
• Disponibilidad del modo de reposición para cargar datos históricos;
• Admite varios protocolos de transferencia de datos, incluidos API de Prometeo, Afluencia, Grafito и OpenTSDB. VictoriaMetrics se puede utilizar como reemplazo transparente de InfluxDB y puede funcionar con recopiladores compatibles con InfluxDB como Telegraf;
• Alto rendimiento y bajo consumo de recursos. en comparación con sistemas competidores. En algunas pruebas, VictoriaMetrics supera a InfluxDB y TimescaleDB hasta 20 veces al realizar operaciones de inserción y recuperación. Al realizar consultas analíticas, la ganancia en comparación con DBMS relacionales PostgreSQL y MySQL puede ser de 10 a 1000 veces.
  
  
  

• Hay oportunidad procesar una gran cantidad de series temporales únicas. Al procesar millones de series temporales diferentes, consume hasta 10 veces menos RAM que InfluxDB.
• Alto grado de compresión de datos en el almacenamiento en disco. En comparación con TimescaleDB, puede albergar hasta 70 veces más registros en la misma cantidad de almacenamiento;
• Disponibilidad de optimizaciones para almacenamiento con alta latencia y bajo número de operaciones de entrada/salida por segundo (por ejemplo, discos duros y almacenamiento en la nube AWS, Google Cloud y Microsoft Azure);
• Sistema de respaldo simple basado instantáneas;
• Disponibilidad de medios para proteger la integridad del almacenamiento contra daños a los datos, por ejemplo, en caso de un corte de energía de emergencia (el almacenamiento tiene la forma árbol estructurado logarítmicamente con fusión);
• Implementación en lenguaje Go, que proporciona un equilibrio entre rendimiento y complejidad del código en comparación con Rust y C++.
• Códigos fuente proporcionados versiones de clúster, que admite el escalado horizontal en varios servidores y presenta una sobrecarga baja. Hay funciones de alta disponibilidad disponibles.

Fuente: opennet.ru