Prometheus 与 VictoriaMetrics对比-Toy模板网

这篇具有很好参考价值的文章主要介绍了Prometheus 与 VictoriaMetrics对比。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

时序数据库有很多，比如Prometheus、M3DB、TimescaleDB、OpenTSDB、InfluxDB等等。Prometheus与VictoriaMetrics是开源的时间序列数据库，在复杂的环境中提供了强大的监控和告警解决方案。下面我们分析下Prometheus和VictoriaMetrics之间的差异，以为用户提供最合适的解决方案。

Prometheus

Prometheus最初是 SoundCloud 中的一个项目，是一个功能强大的监控和警报工具包，专门用于处理多维环境中的时间序列数据。由于其对多维数据收集、查询和警报生成的本机支持，它在 SRE 和 DevOps 社区中变得非常受欢迎。

Prometheus 是在云原生计算基金会 (CNCF) 下开发的。Prometheus 服务器、客户端库、Alertmanager 和其他相关组件可以在 Prometheus GitHub 组织中找到。主要存储库是： https://github.com/prometheus/prometheus

VictoriaMetrics

VictoriaMetrics则是一个高性能、高性价比、可扩展的时间序列数据库，可以作为Prometheus的长期远程存储。它拥有超强的数据压缩和高速数据摄取能力，使其成为大规模监控任务的有吸引力的替代方案。VictoriaMetrics源代码可以在以下位置找到：https://github.com/VictoriaMetrics/VictoriaMetrics

性能比较

VictoriaMetrics 与 Prometheus 之间的数据摄取和查询率性能基于使用指标的基准node_exporter`测试。内存和磁盘空间使用情况数据适用于单个 Prometheus 或 VictoriaMetrics 服务器。

比较	Prometheus	VictoriaMetrics
数据采集	基于拉动	基于拉式和推式
数据摄取	每秒高达 240,000 个样本	每秒高达 360,000 个样本
数据查询	每秒高达 80,000 次查询	每秒高达 100,000 次查询
内存使用情况	高达 14GB RAM	高达 4.3GB 的 RAM
数据压缩	使用LZF压缩	使用 Snappy 压缩
磁盘写入频率	更频繁地将数据写入磁盘	减少将数据写入磁盘的频率
磁盘空间使用情况	需要更多磁盘空间	需要更少的磁盘空间
查询语言	PromQL	MetricsQL（向后兼容 PromQL）

可扩展性和集成性比较

Prometheus使用基于PUll模型来收集指标，可以处理多达数百万个活动时间序列。该架构虽然简化了监控服务方的操作。但是也有一定的弊端，比如多个实例抓取的是相同的监控指标，不能保证采集的数据值为一致的，并且在实际的使用中可能遇到网络延迟问题，所以会产生数据不一致的问题，不过对于监控报警这个场景来说，一般不会要求数据的强一致性，所以从业务上来说是可以接受，因为这种数据不一致性影响基本上没什么影响。这种场景适合监控规模不大，只需要保存短周期监控数据的场景。

而 VictoriaMetrics支持pull模型和Push模型。它能够处理大量数据和更广泛的网络场景（得益于其推送模型支持），使其具有可扩展性和灵活性。

Prometheus架构

Prometheus的架构由四个主要组件组成：

Prometheus Server ：Prometheus Server是Prometheus的核心组件，主要负责从各个目标（target）中收集指标（metrics）数据，并对这些数据进行存储、聚合和查询。
Client Libraries ：Prometheus提供了多种客户端库，用于在应用程序中嵌入Prometheus的指标收集功能。
Exporters ：Exporters是用于将第三方系统的监控数据导出为Prometheus格式的组件。Prometheus支持多种Exporters，例如Node Exporter、MySQL Exporter、HAProxy Exporter等。
Alertmanager：Alertmanager是Prometheus的告警组件，用于根据用户定义的规则对监控数据进行告警。
服务发现：Prometheus 支持各种服务发现机制，帮助它找到应该抓取的目标。
PromQL：这是 Prometheus 内置的灵活查询语言，用于数据探索和仪表板，与 SQL 不同。

VictoriaMetrics架构

VictoriaMetrics 提供单机版和集群版。如果您的每秒写入数据点数小于100万（这个数量是个什么概念呢，如果只是做机器设备的监控，每个机器差不多采集200个指标，采集频率是10秒的话每台机器每秒采集20个指标左右，100万/20=5万台机器），VictoriaMetrics 官方默认推荐您使用单机版，单机版可以通过增加服务器的CPU核心数，增加内存，增加IOPS来获得线性的性能提升。且单机版易于配置和运维。

下面这是一个集群版的架构图

VictoriaMetrics在保持更简单的架构的同时，还包括几个核心组件：

vmstorage：数据存储以及查询结果返回，默认端口为 8482
vminsert：数据录入，可实现类似分片、副本功能，默认端口 8480
vmselect：数据查询，汇总和数据去重，默认端口 8481
vmagent：数据指标抓取，支持多种后端存储，会占用本地磁盘缓存，默认端口 8429
vmalert：报警相关组件，不如果不需要告警功能可以不使用该组件，默认端口为 8880

数据压缩和存储效率

Prometheus拥有高效的存储系统，但在长期数据存储后端和检索效率方面不如VictoriaMetrics。

VictoriaMetrics 相对于 Prometheus 的主要优势之一是其数据压缩功能。它的数据压缩算法，可显著降低存储要求。VictoriaMetrics 声称提供比 Prometheus 高出 10 倍的数据压缩，这是长期数据保留和成本优化的关键优势。

Prometheus

内存存储：Prometheus利用内存存储来访问最近的时间序列数据。数据库中的这个部分被称为head block。
磁盘存储：当数据达到一定的年龄或大小后，位于"head block"中的数据会被移动到磁盘中，这个过程称为checkpointing。这个数据库由长期存储的"persistent blocks"组成。

VictoriaMetrics

1.内存存储：与 Prometheus 类似，VictoriaMetrics 使用内存存储在传入数据写入磁盘之前进行缓冲。这种方法有助于优化写入性能。同事还缓存经常访问的数据以加快检索速度。

2.磁盘存储：VictoriaMetrics 中的大部分数据存储在磁盘上。它使用一种高效的存储格式，可以实现大幅度的进行数据压缩。

查询语言

PromQL

Prometheus使用PromQL。PromQL 允许实时选择和聚合时间序列数据。它使我们能够高度灵活地使用指标。通过 PromQL，用户可以过滤和聚合指标，计算比率、比率、平均值和百分位数等指标。

MetricsQL

VictoriaMetrics向后兼容 PromQL。我们都可以按照理解的 PromQL 语法来进行查询。但是，它还引入了 PromQL 的扩展，称为MetricsQL。MetricsQL 增强了 PromQL 提供的查询功能。它引入了新函数、运算符和语法糖。简化并改善了用户体验，特别是对于复杂的查询和聚合。

摄取率

Prometheus

Prometheus定期从监控目标中获取指标。这些获取的频率的调整可以控制数据摄取速率。
Prometheus实际上能够摄取数据的速率取决于许多因素，包括运行的硬件性能、被获取的指标的复杂性以及存储层的效率。
如果Prometheus无法跟上传入数据量，可能会丢弃样本或增加延迟。

VictoriaMetrics

VictoriaMetrics则比Prometheus更加高效利用资源。它声称在相同的数据量下，能够更高效地摄取数据，使用更少的CPU、内存和磁盘空间。
这种效率使得VictoriaMetrics在相同硬件上能够比Prometheus更快地摄取数据。
在架构设计方面，VictoriaMetrics可以通过拉取（与Prometheus类似）和推送模式来摄取数据。推送模式对于高基数数据和摄取速率是有帮助的。

高可用性和可靠性

Prometheus 本身并不支持集群，这意味着它不提供原生高可用性。高可用性可以通过运行重复实例来实现，或者thanos架构，当然也可以整合VictoriaMetrics。

而VictoriaMetrics 在设计时就考虑到了高可用性。它使用复制和集群来确保在实例发生故障时数据不会丢失，从而成为了很多大厂的选择。

API接口

Prometheus和VictoriaMetrics都提供了基于 Http的 API接口，已满足客户端调用需求

Prometheus API

查询：Prometheus提供了PromQL查询语言，用户可以使用该语言通过HTTP API查询指标数据。
元数据：API endpoint提供对 Prometheus 服务器中关系列和标签的元数据的访问。
管理：某些管理任务，例如删除系列、快照等，也可以通过 API 执行。

VictoriaMetrics API

VictoriaMetrics提供了一个全面的HTTP API，根据功能分为几个部分：

适用于Prometheus的指标API：此API与Prometheus的HTTP API兼容，这意味着可以将VictoriaMetrics作为Prometheus的替代品。
InfluxDB API：VictoriaMetrics还提供与InfluxDB的写入和查询API兼容的API。这使得从InfluxDB切换到VictoriaMetrics也很容易。
Graphite API：VictoriaMetrics还为Graphite的API提供了一个兼容层。
MetricsQL和PromQL API：这些API用于查询存储在VictoriaMetrics中的指标数据。MetricsQL是VictoriaMetrics特定的

PromQL扩展，提供了PromQL中不可用的额外功能。

与 Grafana 集成

由于 VictoriaMetrics兼容Prometheus，所以在在 Grafana 进行可视化配置时，可以使用“Prometheus”数据源，并将 Url 设置为VictoriaMetrics Server 地址即可。

总结

以上我们总结Prometheus与VictoriaMetrics的各个方面的对比，虽然VictoriaMetrics在某些方面可能比Prometheus更强大，比如在处理大规模数据和高并发负载时的性能表现，完全可以替换Prometheus，但它相对来说是相对较新的项目，尚未达到Prometheus在用户社区和广泛采用方面的水平。此外，Prometheus的发展时间更早，是CNCF第二个毕业的项目，已经得到了大量用户的验证，并且有更多的文档、教程和案例可供参考。

此外，技术的流行和广泛采用并不仅仅取决于技术本身的性能，还受到多个因素的影响，包括市场宣传、社区支持、用户体验和可用性等。Prometheus在这些方面都做得相对较好，因此在监控领域更为流行和广泛采用。