淘先锋技术网

首页 1 2 3 4 5 6 7
简介:阿里云ES全观测引擎TimeStream时序增强功能最新发布,在云原生ELK全托管基础上,通过TimeStream时序增强功能插件,可实现高性能、低成本时序数据存储和查询分析。本文介绍TimeStream适用场景、功能优势、性能测试结果和实践案例

Elasticsearch的全观测能力

视频介绍>>


随着企业IT系统拓扑结构日趋复杂,系统架构从单体道分布式再到微服务,部署模式从物理服务器部署到虚拟化再到容器化应用,基础设施上云后开发模式也从传统瀑布式到DevOps开发运维结合。复杂的系统链路中多种数据源背后,是不同的数据类型,以及极高的海量非结构化数据的统一采集、加工、存储和维护成本。在传统SRE运维场景之外,企业业务场景在实时分析、安全审计、用户行为、运营增长、交易记录场景衍生出各类应用,由此带来多套观测方案交织,维护成本大幅提升,同一个业务组件或系统,产生的数据不同方案中数据难互通,无法充分发挥数据价值。

由此,各个企业也越发关注对系统可观测能力的建设,迫切需要把各类数据在统一平台进行存储、监控和检索分析。业内公认,log、metric、trace是全观测的三大支柱,通过搭建统一的观测系统,在运维场景帮助运维人员在「事前」了解系统运行状态,「事中」快速定位故障,「事后」根因分析,以此提升系统高可用,降本增效。但在全观测技术演进过程中,不仅需要跨云、跨业务系统实现日志和时序数据的观测,而日志、时序等各类数据场景支撑的技术原子工具繁多,工具之间的衔接困难,技术组价及平台的维护成本高。

可观测作为Elastic三大核心解决方案之一,基于Elasticsearch全观测能力可以统一收集日志、指标、uptime数据、应用程序跟踪tracing数据,并将各类数据统一存储到 Elasticsearch,进行统一处理分析并基于Kibana 完成可视化。从而可观测场景下实现了技术栈统一,SRE团队也无须基于多种技术组件搭建可观测平台。



image


在全观测场景下,阿里云Elasticsearch在基于云原生Serverless日志引擎能力,持续优化在海量日志数据的写入性能及存储成本。而在对Metric时序数据的存储和处理过程中,往往会面临以下几个问题:



image.png


TimeStream是什么?


TimeStream是阿里云Elasticsearch团队自研,并结合Elastic社区时序类产品特性共建的时序引擎。在云原生ELK全托管基础上,通过TimeStream时序增强功能插件,可实现高性能、低成本时序数据存储和查询分析。


阿里云ES TimeStream的优势


作为Ali内核深度整合的阿里云ES时序场景核心技术,Timestream大幅优化了阿里云ES时序场景的成本、性能和易用性:


  • 数据管理提效:基于Timestream时序数据模型及增删改查,集成Elasticsearch在时序场景的最佳实践模板,大幅降低了Elasticsearch管理时序指标数据的门槛
  • 查询体验提升:支持使用PromQL查询Elasticsearch数据,可无缝对接Prometheus+Grafana,支持DownSample采样查询和DataStream时间分区
  • 存储成本优化:通过数据压缩优化、元数据存储容量优化,TimeStream索引相比开源Elasticsearch普通索引的存储容量降低了80%以上
  • 读写性能提升:TimeStream索引相比开源Elasticsearch普通索引写入TPS提升近40%,对于时序数据的常用查询分析,性能相比开源Elasticsearch提升了5倍


与开源对比


时序场景中Elasticsearch在使用和不使用TimeStream插件情况下,场景化配置、存储、查询对比如下:


对比项

使用TimeStream

不使用TimeStream

场景化配置

TimeStream引擎原生支持时序类型数据模型,自动生成_tsid,indexing sort优化

需要用户进行大量指标场景最佳实践,例如生成一个时间线id字段,使用时间线id和时间配置indexing sorting,使用时间线id做routing等

存储

  • ali-codec插件支持通过doc_values生成_source
  • 支持不存储_id
  • ali-codec在时序场景压缩优化
  • 时序场景_id、_source等元数据字段占用70%+存储容量
  • doc value对double类型压缩不友好,时序场景数据相似度很高,double数据却基本没压缩

查询语句

支持PromQL查询DSL

专门构建query DSL查询Metric数据

降采样

简单配置时间间隔,即可支持降采样功能

需要用户侧自行进行降采样处理

时间分区

按照实际数据分区,一个时间范围的数据会分布在确定的索引中

按写入的顺序分区,一个时间范围的数据可能分布在很多索引中


性能对比


从benchmark对比结果看, 阿里云Elasticsearch基于TimeStream实现了Elasticsearch时序读写性能大幅提升,核心性能与传统开源时序类产品处于同一级别


存储容量方面

TimeStream索引相比开源Elasticsearch普通索引存储容量降低超过80%

TimeStream支持不存储_id,使得与同等条件下存储_id的普通索引相比,存储容量降低超过90%,与开源时序数据库持平;


image


写入性能方面

TimeStream索引相比开源Elasticsearch普通索引提升写入TPS提升近40%


1659511155379-c8b24db1-3aef-4ac4-98b5-93d489c55af9.png


查询性能方面

单并发简单查询,阿里云ES接近开源时序产品;

单并发复杂查询,阿里云ES TimeStream查询性能表现更优。

多并发,简单和复杂查询语句下阿里云ES TimeStream 查询性能表现更优


image



实践案例

案例A:TimeStream管理Elasticsearch时序数据快速入门


STEP1 购买和使用


TimeStream目前支持阿里云ES 7.16版本实例(内核版本1.7.0及以上)


image


通过系统默认插件列表查看是否已安装Aliyun-TimeStream插件,确认拥有TimeStream最新功能


image



STEP2 创建TimeStream时序数据索引


在Kibana控制台通过time_stream的create接口创建时序数据类型索引,命令及返回结果如下。


image


STEP3 写入数据


使用bulk、index接口写入数据,写入时需按照时序模型写入(模型字段可修改),命令及返回结果如下。


image


STEP4 查询数据


使用search接口查询数据,以及使用cat indices接口查看test_stream具体索引信息,命令及返回结果如下:


image


STEP5 使用DownSample功能


通过time_stream的create接口创建时,可直接指定DownSample规则,通过配置interval设定downsample精度,示例如下:

image

相关文档>>


案例B:使用阿里云ES TimeStream对接Prometheus+Grafana实现可观测性


阿里云Elasticsearch支持无缝对接Prometheus+Grafana,支持Prometheus Query相关的API,可以直接将TimeStream索引作为Grafana的Prometheus数据源使用,能够提高时序数据存储与查询分析的性能,同时节约成本。

通过node_expoter收集各种与硬件和内核相关的指标,并提供给Prometheus进行读取,再通过remote write将数据写入阿里云ES TimeStream索引,并通过配置Grafana进行可视化分析。


image


下图示例在Grafana配置Prometheus数据源,使用PromQL查询作为Prometheus数据源的阿里云ES数据,访问并可视化。


image

相关文档>>



相关文档


 TimeStream时序增强引擎介绍 - 检索分析服务Elasticsearch版 - 阿里云


 使用Aliyun-TimeStream插件 - 检索分析服务Elasticsearch版 - 阿里云


 TimeStream集成Prometheus接口 - 检索分析服务Elasticsearch版 - 阿里云


 TimeStream管理Elasticsearch时序数据快速入门 - 检索分析服务Elasticsearch版 - 阿里云


 基于TimeStream对接Prometheus+Grafana实现可观测性 - 检索分析服务Elasticsearch版 - 阿里云


联系我们(钉群二维码)

更多可观测场景架构及使用最佳实践交流,欢迎扫描二维码加入钉群>>


阿里云ES 1元包月试用>>👆🏻

原文链接:https://developer.aliyun.com/article/992503?

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。