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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









