Database 用例：InfluxDB 与 Prometheus

这里是InfluxDB首席执行官兼开发人员.下一版本的InfluxDB(0.9.5)将使用我们的新存储引擎.使用该引擎，我们将能够有效地存储单个事件数据或定期采样的系列.即不规则和规则的时间序列.

InfluxDB支持int64、float64、bool和string数据类型，每种数据类型使用不同的压缩方案.普罗米修斯只支持浮球.

对于压缩，0.9.5版本的压缩将与普罗米修斯竞争.在某些情况下，我们会看到更好的结果，因为我们会根据所看到的内容改变时间戳的压缩.最佳情况是以精确间隔采样的常规序列.在默认情况下，我们可以将1k点时间戳压缩为8字节的开始时间、增量(锯齿形编码)和计数(同样是锯齿形编码).

取决于我们看到的数据的形状<；压缩后平均每个点2.5字节.

YMMV基于您的时间戳、数据类型和数据形状.例如，带有纳秒时间戳和大可变增量的随机浮点将是最糟糕的.

时间戳的可变精度是XDB的另一个特性.它可以表示秒、毫秒、微秒或纳秒级的时间.普罗米修斯被固定为毫秒.

另一个不同之处在于，在向客户端发送成功响应之后，对InfluxDB的写入是持久的.普罗米修斯在内存中缓冲写入，默认情况下每5分钟刷新一次，这会打开一个潜在的数据丢失窗口.

我们希望InfluxDB的0.9.5版本一旦发布，它将是普罗米修斯用户用作长期指标存储(与普罗米修斯联合使用)的一个很好的 Select .我非常肯定普罗米修斯已经提供了支持，但在0.9.5版本发布之前，它可能会有点困难.显然，我们必须一起工作，做一系列的测试，但这正是我所希望的.

对于单服务器指标接收，我预计Prometheus会有更好的性能(尽管我们在这里没有做任何测试，也没有数字)，因为它们的数据模型更受约束，而且它们在写出索引之前不会将写入附加到磁盘.

两者之间的查询语言非常不同.我不确定他们支持什么，我们还不支持，或者签证也不支持，所以你需要在两者的文档中查看挖洞，看看是否有人可以做你需要的事情.从长远来看，我们的目标是让InfluxDB的查询功能成为Graphite、RRD、Prometheus和其他时间序列解决方案的超集.我之所以说超集，是因为我们想在后面讨论更多的解析函数.很明显，我们需要时间才能到达那里.

最后，InfluxDB的长期目标是通过集群支持高可用性和水平可伸缩性.当前的集群实现功能还不完整，只有Alpha版本.然而，我们正在努力，这也是该项目的核心设计目标.我们的集群设计是数据最终是一致的.

据我所知，普罗米修斯的方法是对HA使用双重写入(因此没有最终的一致性保证)，并使用联合来实现水平可伸缩性.我不确定跨联合服务器的查询是如何工作的.

在InfluxDB集群中，您可以跨服务器边界进行查询，而无需通过网络复制所有数据.这是因 for each 查询都被分解成某种MapReduce作业(job)，在飞翔上运行.

可能还有更多，但这就是我目前能想到的.