InfluxDB 与 Mimir

InfluxDB 概述

InfluxDB 是一个高性能时序数据库，能够存储任何形式的时序数据，例如指标、事件、日志和追踪。InfluxDB 由 InfluxData 开发，于 2013 年首次发布。InfluxDB 是一个用 Go 编写的开源数据库，专注于性能、可扩展性和开发者生产力。该数据库针对大规模处理时序数据进行了优化，使其成为监控性能指标、物联网数据和实时分析等用例的流行选择。

InfluxDB 3.0 是 InfluxDB 的最新版本，目前在 InfluxDB Cloud Serverless 和 InfluxDB Cloud Dedicated 中提供。它采用 Rust 构建，Rust 是一种现代编程语言，专为性能、安全性和内存管理而设计。InfluxDB 还具有解耦架构，允许计算和存储独立扩展。InfluxDB 3.0 提供对 SQL 和 InfluxQL（自定义类 SQL 查询语言，增加了对基于时间的函数的支持）的查询支持。

Mimir 概述

Grafana Mimir 是一个开源软件项目，为 Prometheus 提供可扩展的长期存储解决方案。Grafana Labs 于 2022 年启动并宣布，Grafana Mimir 旨在成为最具可扩展性和性能的开源指标时序数据库。该项目融入了 Grafana Labs 工程师在超大规模运行 Grafana Enterprise Metrics 和 Grafana Cloud Metrics 时获得的知识和经验。

InfluxDB 用于时序数据

InfluxDB 专为时序数据而设计，使其非常适合涉及随时间推移跟踪和分析数据点的应用程序。它在数据以高容量持续写入的情况下表现出色，同时用户还需要在摄取后快速查询数据，以用于监控和实时分析用例。

Mimir 用于时序数据

Grafana Mimir 非常适合处理时序数据，使其成为涉及指标存储和分析的场景的合适选择。它为 Prometheus（一个流行的开源监控和警报系统）提供长期存储功能。借助 Grafana Mimir，用户可以存储和查询较长时间段的时序指标，从而进行历史分析和趋势检测。它对于需要可扩展且高性能的时序数据存储以进行指标监控和可观测性目的的应用程序尤其有用。

InfluxDB 关键概念

• 列式存储：InfluxDB 以面向列的格式存储数据，使用 Parquet 进行持久文件存储，并使用 Apache Arrow 作为数据的内存表示。列式存储可以实现更好的数据压缩和更快的分析工作负载查询。
• 数据模型：InfluxDB 数据模型对于任何使用过其他数据库系统的人来说都很熟悉。在最高级别是存储桶，这与其他系统称为数据库的概念类似。InfluxDB 测量值与表同义。测量的特定数据点包含标签和值。标签用作查询数据的主键的一部分，应在查询期间用于识别用于筛选的信息。InfluxDB 是无模式的，因此可以添加新字段，而无需迁移或修改模式。
• 集成：InfluxDB 的构建旨在灵活且适应您的应用程序架构。其中的一个关键方面是 InfluxDB 使读取和写入数据变得容易的多种方式。首先，可以通过 HTTP API 或 InfluxDB CLI 访问所有数据库功能。对于写入数据，InfluxDB 创建了 Telegraf，这是一个工具，可以通过插件从数百个不同的来源收集数据，并将数据写入 InfluxDB。客户端库也可用于最流行的编程语言，以允许写入和查询数据。
• 解耦架构：InfluxDB 3.0 具有解耦架构，允许查询计算、数据摄取和存储独立扩展。这使得 InfluxDB 可以针对您的用例进行微调，并显著节省成本。
• 查询语言：可以使用标准 SQL 或 InfluxQL（一种 SQL 方言，其中包含许多专门用于处理时序数据的函数）查询 InfluxDB。
• 保留策略：InfluxDB 允许您定义保留策略，该策略确定数据在被自动删除之前存储多长时间。这对于管理大量时序数据的存储非常有用。

Mimir 关键概念

• 指标：在 Grafana Mimir 中，指标表示随时间跟踪的测量值或观测值。它们可以包括各种类型的数据，例如系统指标、应用程序性能指标或传感器数据。
• 长期存储：Grafana Mimir 提供专门为长期保留时序数据而定制的存储解决方案，允许用户存储和查询较长时间段的历史指标。
• 微服务：Grafana Mimir 采用基于微服务的架构，其中系统由多个水平可扩展的微服务组成，这些微服务可以独立并行地运行。

InfluxDB 架构

从高层次来看，InfluxDB 的架构旨在优化时序数据的存储和查询性能。InfluxDB 的确切架构会因版本和部署 InfluxDB 的方式而略有不同。

InfluxDB 3.0 的架构可以分解为四个关键组件，这些组件几乎彼此独立运行，从而使 InfluxDB 在配置方面非常灵活。这些组件是数据摄取、数据查询、数据压缩和垃圾回收。数据通过摄取器写入，延迟为毫秒级。数据查询器几乎可以立即查询此数据，同时，压缩器在后台获取新写入的数据文件，并将它们合并为更大的文件，这些文件将被发送到对象存储。垃圾回收器负责数据保留和空间回收，通过调度数据的软删除和硬删除。

InfluxDB 架构的关键部分是摄取和查询组件的分离，这允许根据当前的写入和查询工作负载独立扩展每个组件。查询器能够无缝地从摄取器以及对象存储中提取最近写入的数据，这使得数据可以廉价地存储，而不会增加查询延迟。

Mimir 架构

Grafana Mimir 采用基于微服务的架构，其中系统由多个水平可扩展的微服务组成。这些微服务可以独立并行地运行，从而实现工作负载的有效分配和可扩展性。Grafana Mimir 的组件被编译成单个二进制文件，从而提供统一且有凝聚力的系统。该架构被设计为高可用且多租户的，允许多个用户和应用程序同时使用数据库。这种分布式架构确保了在处理大规模指标存储和检索场景中的可扩展性和弹性。