{"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\/es\/blog\/news\/vypusk-victoriametrics-1-94-subd-dlya-postroeniya-sistem-monitoringa","title":{"rendered":"Lanzamiento de VictoriaMetrics 1.94, una base de datos para construir sistemas de monitoreo","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

La versi\u00f3n de la plataforma VictoriaMetrics 1.94.0 est\u00e1 disponible, proporcionando una base de datos para el almacenamiento y procesamiento de datos en forma de series temporales (donde cada registro consiste en un tiempo y un conjunto de valores correspondientes a ese tiempo, por ejemplo, obtenidos a trav\u00e9s de encuestas peri\u00f3dicas del estado de sensores o recolecci\u00f3n de m\u00e9tricas), optimizada para tareas de monitoreo. Este proyecto compite con soluciones como InfluxDB, TimescaleDB, Thanos, Cortex y Uber M3, y se destaca por su mayor rendimiento. La base de datos puede ser utilizada como un almacenamiento de datos a largo plazo, conectado a Prometheus y Grafana, as\u00ed como en forma de un reemplazo transparente de InfluxDB. El c\u00f3digo est\u00e1 escrito en el lenguaje Go y se distribuye bajo la licencia Apache 2.0. <\/p>\n

En las pruebas de rendimiento, VictoriaMetrics supera a InfluxDB y TimescaleDB en la realizaci\u00f3n de operaciones de inserci\u00f3n y consulta de datos hasta 20 veces, consumiendo 10 veces menos memoria RAM que InfluxDB y 7 veces menos que Prometheus, Thanos y Cortex al manejar millones de series temporales \u00fanicas. Almacenar datos en formato comprimido permite incluir 7 veces m\u00e1s registros en el mismo volumen de almacenamiento en comparaci\u00f3n con Prometheus, Thanos y Cortex, y 70 veces m\u00e1s en comparaci\u00f3n con TimescaleDB. Se cuentan con optimizaciones espec\u00edficas para almacenamiento con alta latencia y baja intensidad de operaciones de entrada\/salida (por ejemplo, discos duros y almacenamiento en la nube de AWS, Google Cloud y Microsoft Azure). <\/p>\n

La base de datos est\u00e1 configurada como un solo archivo ejecutable con ajustes m\u00ednimos, los cuales se pasan a trav\u00e9s de la l\u00ednea de comandos al iniciar. Todos los datos se almacenan en un \u00fanico directorio, especificado al iniciar con la opci\u00f3n \u2018-storageDataPath\u2019. Se utiliza MetricsQL como lenguaje de consultas, una versi\u00f3n ampliada del lenguaje PromQL utilizado en el sistema de monitoreo Prometheus. Adem\u00e1s del procesamiento continuo de datos entrantes, VictoriaMetrics tambi\u00e9n permite la carga de datos hist\u00f3ricos previamente recopilados. <\/p>\n

Se proporcionan herramientas para proteger la integridad del almacenamiento contra la corrupci\u00f3n de datos, por ejemplo, en caso de un corte de energ\u00eda (el almacenamiento tiene la forma de un \u00e1rbol estructurado por registros con fusiones), as\u00ed como un sistema simple de respaldo basado en instant\u00e1neas. Es posible combinar nodos de VictoriaMetrics en un cl\u00faster escalable horizontalmente que soporta mecanismos de alta disponibilidad. <\/p>\n

Entre las novedades a\u00f1adidas en esta nueva versi\u00f3n: <\/p>\n