对于大规模实时查询，这不是推荐的配置。为了进行查询和压缩优化、高速摄取和高可用性，您可能需要考虑 Zipkin 和 InfluxDB。
50 亿+
Telegraf 下载量
#1
时间序列数据库
来源：DB Engines
10 亿+
InfluxDB 下载量
2,800+
贡献者
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，它会更有价值。InfluxDB 是排名第一的时间序列平台，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计时数据。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。
Sumo Logic 插件旨在方便地将指标从 Telegraf 发送到 Sumo Logic 的 HTTP Source。通过使用此插件，用户可以在 Sumo Logic 平台中分析其指标数据，利用各种输出数据格式。
集成详情
Zipkin
此插件实现了 Zipkin HTTP 服务器，以收集跟踪和计时数据，这对于解决微服务架构中的延迟问题至关重要。Zipkin 是一个分布式跟踪系统，可帮助收集跨各种微服务的计时数据，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的 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计时，从而增强了符合 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。
Sumo Logic
此插件有助于将指标传输到 Sumo Logic 的 HTTP Source，并采用指定的数据格式用于 HTTP 消息。Telegraf，必须是 1.16.0 或更高版本，可以发送以多种格式编码的指标，包括 graphite、carbon2 和 prometheus。这些格式对应于 Sumo Logic 识别的不同内容类型，确保指标得到正确解释以进行分析。与 Sumo Logic 的集成使用户能够利用全面的分析平台，从而从其指标数据中获得丰富的可视化效果和见解。该插件提供配置选项，例如设置 HTTP 指标源的 URL、选择数据格式以及指定超时和请求大小等附加参数，从而增强了数据监控工作流程的灵活性和控制力。
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"
Sumo Logic
[[outputs.sumologic]]
## Unique URL generated for your HTTP Metrics Source.
## This is the address to send metrics to.
# url = "https://events.sumologic.net/receiver/v1/http/"
## Data format to be used for sending metrics.
## This will set the "Content-Type" header accordingly.
## Currently supported formats:
## * graphite - for Content-Type of application/vnd.sumologic.graphite
## * carbon2 - for Content-Type of application/vnd.sumologic.carbon2
## * prometheus - for Content-Type of application/vnd.sumologic.prometheus
##
## More information can be found at:
## https://help.sumologic.com/03Send-Data/Sources/02Sources-for-Hosted-Collectors/HTTP-Source/Upload-Metrics-to-an-HTTP-Source#content-type-headers-for-metrics
##
## NOTE:
## When unset, telegraf will by default use the influx serializer which is currently unsupported
## in HTTP Source.
data_format = "carbon2"
## Timeout used for HTTP request
# timeout = "5s"
## Max HTTP request body size in bytes before compression (if applied).
## By default 1MB is recommended.
## NOTE:
## Bear in mind that in some serializer a metric even though serialized to multiple
## lines cannot be split any further so setting this very low might not work
## as expected.
# max_request_body_size = 1000000
## Additional, Sumo specific options.
## Full list can be found here:
## https://help.sumologic.com/03Send-Data/Sources/02Sources-for-Hosted-Collectors/HTTP-Source/Upload-Metrics-to-an-HTTP-Source#supported-http-headers
## Desired source name.
## Useful if you want to override the source name configured for the source.
# source_name = ""
## Desired host name.
## Useful if you want to override the source host configured for the source.
# source_host = ""
## Desired source category.
## Useful if you want to override the source category configured for the source.
# source_category = ""
## Comma-separated key=value list of dimensions to apply to every metric.
## Custom dimensions will allow you to query your metrics at a more granular level.
# dimensions = ""
</code></pre>
输入和输出集成示例
Zipkin
-
微服务中的延迟监控：使用 Zipkin 输入插件来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来源，开发团队可以优化服务交互，缩短响应时间，并确保跨服务的更流畅的用户体验。
-
关键服务中的性能优化：在关键服务中集成该插件，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领域，从而实现有针对性的改进。
-
动态服务依赖关系映射：利用收集的跟踪数据，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，运营团队可以在问题升级为严重故障之前主动响应新兴问题。
Sumo Logic
-
实时系统监控仪表板：利用 Sumo Logic 插件将服务器的性能指标持续馈送到 Sumo Logic 仪表板。此设置允许技术团队实时可视化系统健康状况和负载，从而通过详细的图表和指标更快地识别任何性能瓶颈或系统故障。
-
自动化警报系统：配置插件以发送在 Sumo Logic 中针对特定阈值（例如 CPU 使用率或内存消耗）触发警报的指标。通过设置自动化警报，团队可以在问题升级为严重故障之前主动解决问题，从而显着缩短响应时间并提高整体系统可靠性。
-
跨系统指标聚合：跨不同环境（开发、测试、生产）集成多个 Telegraf 实例，并使用此插件将所有指标汇集到中央 Sumo Logic 实例。这种聚合支持跨环境的全面分析，从而促进更好的监控和跨软件开发生命周期的明智决策。
-
具有维度跟踪的自定义指标：使用 Sumo Logic 插件发送自定义指标，其中包括识别基础设施各个方面的维度（例如，环境、服务类型）。这种精细的跟踪允许进行更定制的分析，使您的团队能够剖析跨不同应用程序层或业务功能的性能。
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了任何错误，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，它会更有价值。InfluxDB 是排名第一的时间序列平台，旨在与 Telegraf 一起扩展。
查看入门方法
