Apache SkyWalking 引入 BanyanDB 专属功能与多级 TTL 配置机制
2025-05-08 13:15:45作者:郦嵘贵Just
Apache SkyWalking 作为一款优秀的应用性能监控系统,近期在其存储引擎 BanyanDB 方面进行了重要功能迭代。本文将详细介绍新引入的 BanyanDB 专属功能菜单以及创新的多级 TTL(Time To Live)配置机制。
BanyanDB 专属功能菜单
在最新版本中,SkyWalking 的配置界面新增了"BanyanDB Exclusive"专属功能菜单区域。这个菜单位于"Advanced Feature"之后,专门用于集中管理 BanyanDB 特有的各项功能配置。这种设计体现了 BanyanDB 作为 SkyWalking 原生存储引擎的特殊地位,同时也为未来更多 BanyanDB 专属功能的扩展提供了统一入口。
多级 TTL 配置机制
TTL(数据保留时间)是监控系统的重要配置项,直接影响存储资源的使用效率。传统方案中,所有粒度的监控数据(分钟级、小时级、天级)通常采用统一的 TTL 设置,这在某些场景下会造成存储资源的浪费或数据保留不足。
SkyWalking 创新性地引入了多级 TTL 配置机制,主要特点包括:
- 分级覆盖:通过 HigherScalesMetricsTTL 配置项,允许为不同时间粒度的指标设置独立的 TTL 值
- 默认行为:未特别配置时,各粒度指标自动继承核心 TTL 设置,确保向后兼容
- 优先级机制:BanyanDB 的 TTL 配置具有最高优先级,会覆盖核心 TTL 设置
这种设计使得用户可以更精细地控制不同粒度监控数据的保留策略。例如:
- 分钟级数据可以设置较短的保留时间(如7天)
- 小时级数据可保留中等时长(如30天)
- 天级数据则可保留更长时间(如1年)
技术实现考量
从技术架构角度看,这种设计体现了几个重要考量:
- 存储优化:通过差异化 TTL 减少不必要的高精度数据存储
- 查询效率:保留适当粒度的历史数据支持长期趋势分析
- 扩展性:为未来可能引入的其他粒度级别预留了配置空间
最佳实践建议
对于不同规模的环境,建议采用以下配置策略:
- 中小规模环境:保持默认配置即可
- 大规模生产环境:
- 分钟数据:3-7天
- 小时数据:30-90天
- 天数据:1年以上
- 资源受限环境:可适当缩短分钟数据的保留时间
总结
Apache SkyWalking 通过引入 BanyanDB 专属功能区域和多级 TTL 机制,进一步强化了其作为专业 APM 系统的存储管理能力。这些改进不仅提升了系统灵活性,也为用户提供了更精细的资源控制手段,特别是在大规模部署场景下将显著优化存储资源使用效率。
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322