VictoriaMetrics, un SGBD de séries chronologiques compatible avec Prometheus, est open source

Ouvrir textes sources VictoriaMetrics — un SGBD rapide et évolutif permettant de stocker et de traiter des données sous forme de séries temporelles (l'enregistrement forme le temps et un ensemble de valeurs correspondant à ce temps, par exemple, obtenu par interrogation périodique de l'état des capteurs ou collecte de métrique). Le projet est en concurrence avec des solutions telles que InfluxDB, Échelle de tempsDB, Thanos, Cortex и Uber M3. Le code est écrit en Go et distribué par sous licence Apache 2.0.

Avantages et fonctionnalités de VictoriaMetrics :

• Facile à utiliser. Il s'agit d'un fichier exécutable unique avec des paramètres minimaux transmis via la ligne de commande au démarrage. Toutes les données sont stockées dans un répertoire, spécifié au démarrage à l'aide de l'indicateur « -storageDataPath » ;
• Prise en charge du langage de requête PromQL, utilisé dans le système de surveillance Prométhée. Les sous-requêtes PromQL et certaines sont prises en charge capacités étendues, tels que l'expression « offset », les modèles dans les instructions « WIDTH », « if » et « default », les fonctions supplémentaires et la possibilité d'inclure des commentaires ;
• Peut être utilisé comme stockage de données à long termeconnecté à Prométhée et grafana.
• Disponibilité du mode de remplissage pour le chargement des données historiques ;
• Prend en charge divers protocoles de transfert de données, notamment API Prometheus, Afflux, Graphite и OuvrirTSDB. VictoriaMetrics peut être utilisé comme remplacement transparent d'InfluxDB et peut fonctionner avec des collecteurs compatibles avec InfluxDB tels que Telegraf ;
• Hautes performances et faible consommation de ressources par rapport avec des systèmes concurrents. Dans certains tests, VictoriaMetrics surpasse InfluxDB et TimescaleDB jusqu'à 20 fois lors de l'exécution d'opérations d'insertion et de récupération. Lors de l'exécution de requêtes analytiques, le gain par rapport aux SGBD relationnels PostgreSQL et MySQL peut être de 10 à 1000 XNUMX fois.
  
  
  

• Il y a occasion traiter un très grand nombre de séries temporelles uniques. Lors du traitement de millions de séries temporelles différentes, consomme jusqu'à 10 fois moins de RAM qu'InfluxDB.
• Degré élevé de compression des données dans le stockage sur disque. Par rapport à TimescaleDB, il peut contenir jusqu'à 70 fois plus d'enregistrements dans la même quantité de stockage ;
• Disponibilité d'optimisations pour le stockage avec une latence élevée et un faible nombre d'opérations d'entrée/sortie par seconde (par exemple, disques durs et stockage cloud AWS, Google Cloud et Microsoft Azure) ;
• Système de sauvegarde simple basé sur instantanés;
• Disponibilité de moyens pour protéger l'intégrité du stockage contre les dommages aux données, par exemple en cas de panne de courant d'urgence (le stockage a la forme arbre structuré en journaux avec fusion);
• Implémentation en langage Go, qui offre un compromis entre performances et complexité du code par rapport à Rust et C++.
• Codes sources fournis versions de cluster, qui prend en charge la mise à l'échelle horizontale sur plusieurs serveurs et présente une faible surcharge. Des fonctionnalités de haute disponibilité sont disponibles.

Source: opennet.ru