Prometheus時序資料庫記憶體中的儲存結構

prometheus的儲存結構-tsdb是參考了facebook的gorilla之後，自行實現的。所以閱讀

這篇文章《gorilla: a fast, scalable, in-memory time series database》

，可以對prometheus為何採用這樣的儲存結構有著清晰的理解。

下面是乙個非常典型的監控曲線。

可以觀察到，監控資料都是由乙個乙個資料點組成，所以可以用下面的結構來儲存最基本的儲存單元

type sample struct

同時我們還需要注意到的資訊是，我們需要知道這些點屬於什麼機器的哪種監控。這種資訊在promtheus中就用label(標籤來表示)。乙個監控項一般會有多個label(例如圖中)，所以一般用labels label。

由於在我們的習慣中，並不關心單獨的點，而是要關心這段時間內的曲線情況。所以自然而然的，我們儲存結構肯定邏輯上是這個樣子:

這樣，我們就可以很容易的通過乙個labels(標籤們)找到對應的資料了。

prometheus將最近的資料儲存在記憶體中，這樣查詢最近的資料會變得非常快，然後通過乙個compactor定時將資料打包到磁碟。資料在記憶體中最少保留2個小時(storage.tsdb.min-block-duration。至於為什麼設定2小時這個值，應該是gorilla那篇**中觀察得出的結論

即壓縮率在2小時時候達到最高，如果保留的時間更短，就無法最大化的壓縮。

接下來，我們看下具體的資料結構

type memseries stuct

其中memchunk是真正儲存資料的記憶體塊，將在後面講到。我們先來觀察下memseries在記憶體中的組織。

由此我們可以看到，針對乙個最終端的監控項(包含抓取的所有標籤，以及新新增的標籤,例如ip)，我們都在記憶體有乙個memseries結構。

如果通過一堆標籤快速找到對應的memseries。自然的,prometheus就採用了hash。主要結構體為:

type stripeseries struct 
type serieshashmap map[uint64]*memseries

由於在prometheus中會頻繁的對map[hash/refid]memseries進行操作，例如檢查這個labelset對應的memseries是否存在，不存在則建立等。由於golang的map非執行緒安全，所以其採用了分段鎖去拆分鎖。

而hash值是依據labelsets的值而算出來。

為了讓prometheus在記憶體和磁碟中儲存更大的資料量，勢必需要進行壓縮。而memchunk在記憶體中儲存的正是採用xor演算法壓縮過的資料。在這裡，筆者只給出gorilla**中的xor描述

更具體的演算法在**中有詳細描述。總之，使用了xor演算法後，平均每個資料點能從16bytes壓縮到1.37bytes，也就是說所用空間直接降為原來的1/12!

上面討論的是標籤全部給出的查詢情況。那麼我們怎麼快速找到某個或某幾個標籤(非全部標籤)的資料呢。這就需要引入以label為key的倒排索引。我們先給出一組標籤集合

可以看到，由於標籤取值不同，我們會有四種不同的memseries。如果一次性給定4個標籤，應該是很容易從map中直接獲取出對應的memseries(儘管prometheus並沒有這麼做)。但大部分我們的promql只是給定了部分標籤，如何快速的查詢符合標籤的資料呢？

這就引入倒排索引。

先看一下，上面例子中的memseries在記憶體中會有4種，同時記憶體中還夾雜著其它監控項的series

如果我們想知道job:api-server,group為production在一段時間內所有的http請求數量,那麼必須獲取標籤攜帶

()的所有監控資料。

如果沒有倒排索引，那麼我們必須遍歷記憶體中所有的memseries(數萬乃至數十萬)，一一按照labels去比對,這顯然在效能上是不可接受的。而有了倒排索引，我們就可以通過求交集的手段迅速的獲取需要哪些memseries。

注意，這邊倒排索引儲存的refid必須是有序的。這樣，我們就可以在o(n)複雜度下順利的算出交集,另外，針對其它請求形式，還有並集/差集的操作,對應實現結構體為:

type intersectpostings struct   // 交集
type mergedpostings struct  // 並集
type removedpostings struct  // 差集

倒排索引的插入組織即為prometheus下面的**

add(labels,t,v) 
|->getorcreatewithid
|->mempostings.add
// add a label set to the postings index.
func (p *mempostings) add(id uint64, lset labels.labels) 
p.addfor(id, allpostingskey) // allpostingkey "","" every one都加進去
p.mtx.unlock()
}

事實上，給定特定的label:value還是無法滿足我們的需求。我們還需要對標籤正則化，例如取出所有ip為1.1.*字首的http_requests監控資料。為了這種正則，prometheus還維護了乙個標籤所有可能的取值。對應**為:

add(labels,t,v) 
|->getorcreatewithid
|->mempostings.add
func (h *head) getorcreatewithid(id, hash uint64, lset labels.labels)
h.values[l.name] = valset
}		// 將可能取值塞入stringset中
valset.set(l.value)
// 符號表的維護
h.symbols[l.name] = struct{}{}
h.symbols[l.value] = struct{}{}
}	...
}

那麼，在記憶體中，我們就有了如下的表

圖中所示，有了label和對應所有value集合的表，乙個正則請求就可以很容的分解為若干個非正則請求並最後求交/並/查集，即可得到最終的結果。

Prometheus時序資料庫記憶體中的儲存結構

時序資料庫

時序資料庫介紹

Influxdb 時序資料庫 windows 安裝

Prometheus時序資料庫 記憶體中的儲存結構

時序資料庫

時序資料庫介紹

Influxdb 時序資料庫 windows 安裝

相關推薦

Prometheus時序資料庫記憶體中的儲存結構