Apache SkyWalking 适配 BanyanDB 0.8 新特性:原生属性存储架构升级
2025-05-08 20:23:48作者:殷蕙予
背景与挑战
在分布式系统观测领域,Apache SkyWalking 作为一款优秀的 APM 工具,其存储后端 BanyanDB 承担着海量指标和链路数据的持久化工作。在早期版本中,BanyanDB 采用 etcd 作为属性数据的存储引擎,这种设计虽然利用了 etcd 的强一致性特性,但也带来了额外的运维复杂性和性能开销。
随着 BanyanDB 0.8 版本的发布,其核心架构迎来重要革新——将属性存储从 etcd 迁移回原生数据节点。这一变化不仅是存储位置的调整,更是对整体查询协议和性能模型的重新设计。
架构演进解析
旧架构的局限性
在原有设计中,属性数据(如标签、元数据等)需要单独存储在 etcd 中,导致:
- 查询路径延长:获取完整数据需要跨存储系统交互
- 运维复杂度增加:需要同时维护两个存储系统的可用性
- 性能瓶颈:etcd 的写入吞吐量可能成为系统瓶颈
新架构的优势
BanyanDB 0.8 将属性数据直接内联存储在数据节点中,实现:
- 本地化处理:属性查询与主数据查询使用同一协议
- 性能提升:减少网络跳数和序列化开销
- 简化部署:消除对 etcd 的外部依赖
- 一致性保证:通过 BanyanDB 自身的分布式机制保证数据一致性
技术实现细节
存储格式重构
新的存储模型采用列式存储结构,将属性数据与主数据统一编码。每个数据节点现在包含:
- 时间序列数据
- 关联属性字段
- 内置索引结构
查询协议变更
查询接口从原来的多协议并行简化为单一协议:
- 移除专门的属性查询 API
- 扩展通用查询接口支持属性过滤
- 查询结果包含完整的属性和指标数据
客户端适配
Java 客户端同步更新以支持新协议:
- 废弃基于 etcd 的属性访问接口
- 实现新的查询构建器
- 优化结果解析逻辑
升级影响与建议
兼容性说明
此次变更属于破坏性更新,用户需要注意:
- 需要同步升级 SkyWalking 和 BanyanDB
- 现有数据需要迁移到新格式
- 监控配置需要相应调整
性能调优建议
在新架构下可以尝试:
- 增加属性字段的索引配置
- 调整数据节点的内存分配
- 优化查询时的字段选择
未来展望
这一架构改进为 BanyanDB 后续发展奠定了基础:
- 为混合查询(属性+指标)提供更好的支持
- 便于实现更高效的数据压缩
- 为实时分析场景优化铺平道路
通过这次深度整合,Apache SkyWalking 的存储层在性能和可用性方面都将获得显著提升,为处理日益增长的观测数据需求做好了准备。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
659
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146