在构建任何软件应用程序时,选择合适的数据库至关重要。所有数据库在性能方面都有不同的优势和劣势,因此,针对您的特定用例和数据模型,决定哪个数据库的优势最多、缺点最少是一项重要的决策。下面您将找到 Mimir 和 OpenTSDB 的关键概念、架构、功能、用例和定价模型的概述,以便您可以快速了解它们之间的比较。

本文的主要目的是比较 Mimir 和 OpenTSDB 在涉及 时间序列数据 的工作负载方面的性能,而不是所有可能的用例。时间序列数据通常在数据库性能方面提出独特的挑战。这是因为正在写入的数据量很大,而且访问这些数据的查询模式也很多。本文并非旨在说明哪个数据库更好;它只是提供了每个数据库的概述,以便您可以做出明智的决定。

Mimir 与 OpenTSDB 细分


 
数据库模型

时间序列数据库

时间序列数据库

架构

Grafana Mimir 是一个时间序列数据库,专为高性能、实时监控和分析而设计。它采用分布式架构,允许跨多个节点进行水平扩展,以处理大量数据和查询。由于它是开源的,因此可以部署在本地,也可以作为 Grafana 托管的托管解决方案部署。

OpenTSDB 可以部署在本地或云端,HBase 在分布式节点集群上运行。

许可证

APGL 3.0

GNU LGPLv2.1

用例

监控、可观测性、物联网

监控、可观测性、物联网、日志数据存储

可扩展性

水平可扩展

使用 HBase 作为其存储后端,跨多个节点水平扩展

正在寻找最有效率的入门方式?

无论您是寻求节省成本、降低管理开销还是开源,InfluxDB 都能提供帮助。

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 Mimir 于 2022 年在 Grafana Labs 启动并发布,旨在成为最具可扩展性和高性能的开源指标时间序列数据库。该项目融入了 Grafana Labs 工程师在以大规模运行 Grafana Enterprise Metrics 和 Grafana Cloud Metrics 时获得的知识和经验。

OpenTSDB 概述

OpenTSDB(开放时间序列数据库)是一个开源的、分布式的、可扩展的时间序列数据库,构建在 Apache HBase(一个 NoSQL 数据库)之上。OpenTSDB 旨在解决日益增长的存储和处理由各种来源(如物联网设备、传感器和监控系统)生成的大量时间序列数据的需求。它最初由 StumbleUpon 于 2010 年开发,后来成为一个独立的项目,拥有活跃的贡献者社区。


Mimir 用于时间序列数据

Grafana Mimir 非常适合处理时间序列数据,使其成为涉及指标存储和分析场景的合适选择。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间序列指标,从而进行历史分析和趋势检测。它对于需要可扩展和高性能时间序列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。

OpenTSDB 用于时间序列数据

OpenTSDB 专为时间序列数据存储和分析而设计,使其成为管理大规模时间序列数据集的理想选择。其架构实现了高写入和查询性能,并且可以以最小的资源消耗处理每秒数百万个数据点。OpenTSDB 灵活的查询功能允许用户有效地对时间序列数据执行复杂的分析。


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间序列数据量身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,其中系统由多个可以独立并行运行的水平可扩展的微服务组成。

OpenTSDB 关键概念

  • 数据点:时间上的单个测量值,由时间戳、指标、值和关联标签组成。
  • 指标:表示系统特定方面的命名值,例如 CPU 使用率或温度。
  • 标签:与数据点关联的键值对,提供元数据并帮助对数据进行分类和查询。


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运行,从而实现高效的工作负载分配和可扩展性。Grafana Mimir 的组件被编译成一个单独的二进制文件,提供了一个统一且有凝聚力的系统。该架构被设计为高可用性和多租户,使多个用户和应用程序能够同时使用数据库。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。

OpenTSDB 架构

OpenTSDB 构建在 Apache HBase(一个分布式且可扩展的 NoSQL 数据库)之上,并依赖其架构进行数据存储和管理。OpenTSDB 将时间序列数据存储在 HBase 表中,数据点按指标、时间戳和标签组织。该数据库使用无模式数据模型,这允许在添加新指标和标签时具有灵活性。OpenTSDB 架构还通过跨多个 HBase 节点分发数据来支持水平扩展。

免费时间序列数据库指南

获取关于备选方案和选择关键要求的全面回顾。

Mimir 功能

可扩展性

Grafana Mimir 旨在水平扩展,使系统能够处理不断增长的数据量和不断增加的工作负载。其水平可扩展的微服务架构允许无缝扩展和改进的性能。

高可用性

Grafana Mimir 通过确保冗余和容错能力来提供高可用性。它允许跨多个节点复制和分发数据,从而确保数据持久性和存储指标的持续可用性。

长期存储

Grafana Mimir 为时间序列指标的长期存储提供专用解决方案。它提供高效的存储和检索机制,允许用户保留和分析较长时间段的历史指标数据。

OpenTSDB 功能

可扩展性

OpenTSDB 的分布式架构允许水平扩展,确保数据库可以处理不断增长的时间序列数据量。

数据压缩

OpenTSDB 使用各种压缩技术来减少时间序列数据的存储占用空间。

支持时间序列的查询语言

OpenTSDB 具有灵活的查询语言,支持聚合、降采样、过滤和其他用于分析时间序列数据的操作。


Mimir 用例

指标监控和可观测性

Grafana Mimir 非常适合监控和可观测性用例。它支持时间序列指标的存储和分析,允许用户实时监控其系统和应用程序的性能、健康状况和行为。

长期指标存储

Grafana Mimir 专注于提供可扩展的长期存储,非常适合需要保留和分析较长时间段的历史指标数据的应用程序。它允许用户存储和查询 Prometheus 生成的大量时间序列数据。

趋势和异常检测

通过使用 Mimir 存储长期历史数据,它可以用于检测指标中的趋势,以及将当前指标与历史数据进行比较以检测异常值和异常情况。

OpenTSDB 用例

监控和警报

OpenTSDB 非常适合大规模监控和警报系统,这些系统从各种来源生成大量时间序列数据。

物联网数据存储

OpenTSDB 可以存储和分析物联网设备(如传感器和智能电器)生成的时间序列数据,从而实现实时洞察和分析。

性能分析

OpenTSDB 灵活的查询功能使其成为分析随时间推移的系统和应用程序性能指标的理想选择。


Mimir 定价模型

Grafana Mimir 是一个开源项目,这意味着它可以免费使用,并且不需要任何许可费用。用户可以下载源代码并在自己的基础设施上部署 Grafana Mimir,而无需产生直接成本。但是,重要的是要考虑与托管和维护数据库基础设施相关的运营成本。

OpenTSDB 定价模型

OpenTSDB 是开源软件,这意味着它可以免费使用,无需任何许可费用。但是,运行 OpenTSDB 的成本取决于支持底层 HBase 数据库所需的基础设施,例如云服务或本地硬件。