VictoriaMetrics中vmagent升级后时间序列激增问题分析
问题背景
在VictoriaMetrics监控系统中,用户从vmagent 1.103.0版本升级到1.104.0版本后,观察到了一个严重的问题:系统中新创建的时间序列数量(vm_new_timeseries_created_total)出现了大幅增长,这直接导致了vmstorage节点的CPU使用率达到100%,最终引发集群故障。
问题根源
经过深入分析,发现问题与vmagent的-streamAggr.dedupInterval=30s
参数配置密切相关。这个参数在1.104.0版本中的行为发生了重要变化:
-
行为变更:在1.104.0版本之前,去重功能仅作用于流聚合配置(streamAggr.config)中明确匹配的指标。而在1.104.0版本后,当设置了
streamAggr.dedupInterval
或remoteWrite.streamAggr.dedupInterval
参数时,去重操作会应用于所有数据。 -
标签排序影响:去重处理器会对指标标签进行排序操作。如果原始指标标签未排序,经过排序后会被视为新的时间序列,导致
vm_new_timeseries_created_total
计数器增加。
技术细节
-
去重机制:VictoriaMetrics的去重功能会对传入的样本数据进行处理,确保在指定时间窗口内相同指标的重复数据被合并。
-
标签排序:在去重过程中,系统会对指标标签进行标准化排序。例如,指标
metric{a="1",b="2"}
和metric{b="2",a="1"}
虽然在语义上相同,但由于标签顺序不同,在未经排序的情况下会被视为不同的时间序列。 -
性能影响:大规模的去重操作会显著增加vmagent的处理负担,同时由于新时间序列的创建,会给vmstorage带来额外的索引压力。
解决方案
对于遇到类似问题的用户,建议采取以下解决方案:
-
配置调整:如果只需要对特定指标进行去重,应避免使用全局的
streamAggr.dedupInterval
参数,改为在流聚合配置文件中为特定规则设置dedup_interval
属性。 -
监控策略:
- 升级前评估指标标签的排序情况
- 监控
vm_new_timeseries_created_total
指标的变化 - 关注vmstorage的CPU使用率和索引增长情况
-
最佳实践:
- 在应用端确保指标标签的标准化输出
- 对于不需要去重的场景,避免启用全局去重功能
- 合理设置去重时间窗口,平衡数据精度和系统负载
总结
这次事件揭示了监控系统中一个容易被忽视的细节——指标标签的顺序一致性。VictoriaMetrics在1.104.0版本中修正了去重功能的行为,使其与文档描述一致,但这也带来了兼容性挑战。运维团队在升级监控系统时,需要充分理解各版本的行为差异,做好充分的测试和预案,特别是对于处理海量时间序列的生产环境。
热门内容推荐
最新内容推荐
项目优选








