Grafana Tempo 2.8.0-rc.1版本发布:分布式追踪系统的性能优化与功能增强
Grafana Tempo是一个开源的分布式追踪后端系统,专注于提供高性能、高可扩展性的追踪数据存储与查询能力。作为Grafana可观测性栈的重要组成部分,Tempo能够与Prometheus、Loki等工具无缝集成,为微服务架构提供完整的可观测性解决方案。
核心功能优化
最新发布的2.8.0-rc.1候选版本在TraceQL指标查询和系统稳定性方面做出了重要改进。TraceQL是Tempo专为追踪数据设计的查询语言,本次更新特别优化了其指标计算功能。
在TraceQL指标处理方面,开发团队实现了两个关键改进:首先是对示例数据的时间分布进行了优化,确保在时间范围内更均匀地展示示例;其次是增加了示例数量的硬性限制,防止查询返回过多数据导致性能问题。这些改进使得指标查询结果更加合理且系统资源使用更加可控。
关键问题修复
本次版本修复了多个影响系统稳定性和数据准确性的问题:
-
数据结构比较功能修复:解决了在比较操作中错误包含nestedSetParent等特殊字段的问题,确保数据比较逻辑的准确性。
-
分布式哈希冲突问题:修复了分发器(distributor)组件中潜在的哈希冲突问题,该问题可能导致span数据被错误存储。这一修复对于保证数据完整性至关重要。
-
结构指标计算修正:针对结构指标中的聚合率计算进行了修正,确保指标统计结果的准确性。
-
直方图和分位数示例:优化了TraceQL指标查询中直方图和分位数对应的示例数据展示,使用户能够获得更具代表性的数据样本。
技术实现细节
在底层实现上,开发团队对Tempo的核心组件进行了多项优化。分发器组件的改进特别值得关注,通过优化哈希算法和数据处理流程,有效防止了因哈希冲突导致的数据错位问题。这种改进对于大规模部署环境尤为重要,能够确保在高负载情况下仍能保持数据的准确存储。
TraceQL引擎的增强则体现在查询处理的多个层面。示例数据的优化分发算法不仅提高了查询结果的代表性,还通过硬性限制机制保护了系统资源。同时,针对特殊统计指标(如直方图和分位数)的处理逻辑也得到了完善,使复杂查询能够返回更准确的结果。
版本升级建议
作为2.8.0系列的候选版本,rc.1已经展现出良好的稳定性,特别适合需要以下功能的用户进行评估:
- 依赖TraceQL进行复杂指标分析的用户
- 大规模部署环境下对数据完整性要求严格的场景
- 需要精确直方图和分位数统计的应用
虽然候选版本已经过充分测试,生产环境部署仍建议等待正式版本发布。开发团队通常会根据rc版本的反馈进行最后的调整,确保正式版的稳定性和可靠性。
对于正在使用早期版本的用户,特别是遇到哈希冲突或指标计算问题的环境,建议密切关注2.8.0正式版的发布计划,这些关键修复将显著提升系统的可靠性。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00