目录
强大的性能,无限的扩展能力
收集、组织和处理海量高速数据。 当您将任何数据视为时间序列数据时,它都会更有价值。 借助 InfluxDB,第一名的时间序列平台,它旨在与 Telegraf 一起扩展。
查看入门方法
输入和输出集成概述
Zipkin 输入插件允许从微服务收集跟踪信息和定时数据。 此功能对于诊断复杂面向服务环境中的延迟问题至关重要。
MongoDB Telegraf 插件使用户能够将指标发送到 MongoDB 数据库,自动管理时间序列集合。
集成详情
Zipkin
此插件实现 Zipkin HTTP 服务器,以收集微服务架构中故障排除延迟问题所需的跟踪和定时数据。 Zipkin 是一个分布式跟踪系统,可帮助收集各种微服务中的定时数据,使团队能够可视化请求流并识别性能瓶颈。 该插件支持基于指定 Content-Type 的 JSON 或 thrift 格式的输入跟踪。 此外,它还利用 span 元数据来跟踪请求的定时,从而增强对遵循 OpenTracing 标准的应用程序的可观察性。 作为一项实验性功能,其配置和架构可能会随着时间的推移而发展,以更好地满足用户需求和分布式跟踪方法的进步。
MongoDB
此插件将指标发送到 MongoDB,并与其时间序列功能无缝集成,从而允许在时间序列集合尚不存在时自动创建它们作为时间序列。 它需要 MongoDB 5.0 或更高版本才能使用时间序列集合功能,这对于高效存储和查询基于时间的数据至关重要。 此插件通过确保所有相关指标都正确存储和组织在 MongoDB 中来增强监控功能,使用户能够利用 MongoDB 强大的查询和聚合功能进行时间序列分析。
配置
Zipkin
[[inputs.zipkin]]
## URL path for span data
# path = "/api/v1/spans"
## Port on which Telegraf listens
# port = 9411
## Maximum duration before timing out read of the request
# read_timeout = "10s"
## Maximum duration before timing out write of the response
# write_timeout = "10s"
MongoDB
[[outputs.mongodb]]
# connection string examples for mongodb
dsn = "mongodb://localhost:27017"
# dsn = "mongodb://mongod1:27017,mongod2:27017,mongod3:27017/admin&replicaSet=myReplSet&w=1"
# overrides serverSelectionTimeoutMS in dsn if set
# timeout = "30s"
# default authentication, optional
# authentication = "NONE"
# for SCRAM-SHA-256 authentication
# authentication = "SCRAM"
# username = "root"
# password = "***"
# for x509 certificate authentication
# authentication = "X509"
# tls_ca = "ca.pem"
# tls_key = "client.pem"
# # tls_key_pwd = "changeme" # required for encrypted tls_key
# insecure_skip_verify = false
# database to store measurements and time series collections
# database = "telegraf"
# granularity can be seconds, minutes, or hours.
# configuring this value will be based on your input collection frequency.
# see https://docs.mongodb.com/manual/core/timeseries-collections/#create-a-time-series-collection
# granularity = "seconds"
# optionally set a TTL to automatically expire documents from the measurement collections.
# ttl = "360h"
输入和输出集成示例
Zipkin
-
微服务中的延迟监控:使用 Zipkin 输入插件捕获和分析来自微服务架构的跟踪数据。 通过可视化请求流并查明延迟源,开发团队可以优化服务交互,缩短响应时间,并确保跨服务更流畅的用户体验。
-
关键服务中的性能优化:在关键服务中集成插件,不仅可以监控响应时间,还可以跟踪可能突出显示性能问题的特定注释。 收集 span 数据的能力可以帮助确定需要性能增强的区域的优先级,从而实现有针对性的改进。
-
动态服务依赖关系映射:使用收集的跟踪数据,自动映射服务依赖关系并在仪表板中可视化它们。 这有助于团队了解不同服务如何交互以及故障或速度减慢的影响,最终促成更好的架构决策和更快的问题解决。
-
服务延迟中的异常检测:将 Zipkin 数据与机器学习模型相结合,以检测服务延迟和请求处理时间中的异常模式。 通过自动识别异常,运营团队可以在新兴问题升级为严重故障之前主动响应。
MongoDB
-
物联网设备的 MongoDB 动态日志记录:利用此插件实时收集和存储来自大量物联网设备的指标。 通过将设备日志直接发送到 MongoDB,您可以创建一个集中式数据库,该数据库允许轻松访问和查询健康指标和性能数据,从而根据历史趋势实现主动维护和故障排除。
-
Web 流量的时间序列分析:使用 MongoDB Telegraf 插件收集和分析随时间变化的 Web 流量指标。 此应用程序可以帮助您了解高峰使用时间、用户交互和行为模式,从而指导营销策略和基础设施扩展决策,以改善用户体验。
-
自动化监控和警报系统:将 MongoDB 插件集成到跟踪应用程序性能指标的自动化监控系统中。 借助时间序列集合,您可以根据特定阈值设置警报,使您的团队能够在潜在问题影响用户之前做出响应。 这种主动管理可以提高服务可靠性和整体性能。
-
指标存储中的数据保留和 TTL 管理:利用 MongoDB 集合中文档的 TTL 功能自动过期过时的指标。 这对于仅最近的性能数据相关的环境特别有用,可防止您的 MongoDB 数据库因旧指标而变得混乱,并确保高效的数据管理。
反馈
感谢您成为我们社区的一份子! 如果您有任何一般性反馈或在这些页面上发现任何错误,我们欢迎并鼓励您提出意见。 请在 InfluxDB 社区 Slack 中提交您的反馈。
强大的性能,无限的扩展能力
收集、组织和处理海量高速数据。 当您将任何数据视为时间序列数据时,它都会更有价值。 借助 InfluxDB,第一名的时间序列平台,它旨在与 Telegraf 一起扩展。
查看入门方法