<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ??碼云GVP開源項目 12k star Uniapp+ElementUI 功能強大 支持多語言、二開方便! 廣告
                # **方案比較(Comparison to alternatives)** <br /> ## **Prometheus vs. Graphite** ### 領域范圍(Scope) Graphite 專注于成為具有查詢語言(Query language)和圖形功能的被動時間序列數據庫。 其他任何問題都采取通過外部組件解決。 Prometheus 是一個完整的監控和趨勢分析系統,其中包括內置的基于時間序列數據的主動抓取,存儲,查詢,制圖和報警。 它知道世界應該是什么樣(應該存在哪些 endpoint,什么時間序列模式有問題等),并且能積極嘗試查找錯誤。 ### 數據模型(Data model) Graphite 為已命名的時間序列存儲數值樣本,就像 Prometheus 一樣。但是,Prometheus 的元數據模型更加豐富:雖然 Graphite metric 名稱由點分割的組件(dot-separated components)組成,這些組件隱含地編碼構建了維度(encode dimensions),但是 Prometheus 顯式地將維度通過 K-V pair(稱為標簽 labels)進行編碼,其將標簽附加到一個 metric 上。這使得通過查詢這些標簽來過濾、聚合/分組、匹配更加的簡單。 此外,尤其是當將 Graphite 與 StatsD 結合使用時,通常只在所有受監控的實例上存儲聚合的數據,而不是將實例(instance)保留為一個維度,并能夠深入分析單個有問題的實例。 例如,通常在 Graphite / StatsD 中,存儲`通過 POST 請求 /tracks 且 response code 是 500 的 HTTP 請求數`的編碼如下: ~~~ stats.api-server.tracks.post.500 -> 93 ~~~ 在 Prometheus 中,可以像這樣編碼相同的數據(假設三個api服務器實例): ~~~ api_server_http_requests_total{method="POST",handler="/tracks",status="500",instance="<sample1>"} -> 34 api_server_http_requests_total{method="POST",handler="/tracks",status="500",instance="<sample2>"} -> 28 api_server_http_requests_total{method="POST",handler="/tracks",status="500",instance="<sample3>"} -> 31 ~~~ ### 存儲(Storage) Graphite 以 Whisper 格式將時間序列數據存儲在本地磁盤上,這是一種 RRD 樣式的數據庫,它希望樣本以固定的時間間隔到達。 每個時間序列都存儲在一個單獨的文件中,新樣本在一定時間后會覆蓋舊樣本。 Prometheus 也對每個時間序列創建一個本地文件,但任意時間間隔抓取(arbitrary intervals as scrapes)和規則評估(rule evaluations)發生時,都允許存儲樣本。 由于新的樣本是簡單的追加到文件中,因此舊數據可以保留任意久。Prometheus 也適用于許多短生命周期的,經常變化的時間序列。 ### 總結(Summary) Prometheus 除了更易于運行和集成到您的環境之外,還提供了更豐富的數據模型和查詢語言。 如果您想要一個可以長期保存歷史數據的集群解決方案,那么Graphite 可能是一個更好的選擇。 ## **Prometheus vs. InfluxDB** ## **Prometheus vs. OpenTSDB** ## **Prometheus vs. Nagios** ## **Prometheus vs. Sensu**
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看