随着日志数据量爆炸式增长，传统的ELK架构暴露出存储成本高、资源浪费严重、维护复杂等问题。本文介绍了GreptimeDB，一个云原生数据库，它采用存储计算分离架构，具有高压缩率、轻量级、易于维护等优势，并通过与Vector结合，演示了完整的日志收集、存储、解析和查询流程，为实时日志监控和数据分析提供了更现代化的解决方案。
阅读更多
Honeycomb的Charity Majors提出了“可观测性2.0”的概念，它标志着可观测性从传统的“指标、日志和追踪”三支柱模式的演变。可观测性2.0的核心是采用“广域事件”作为单一数据源，这种高基数、高维度的事件数据包含了丰富的上下文信息，允许事后动态地派生指标、日志和追踪，从而避免了传统方法中数据孤岛、预聚合带来的信息损失以及静态监控的局限性。然而，这种转变也带来了挑战，例如事件生成、数据传输、存储和查询的效率等。GreptimeDB作为一款开源的分析型可观测性数据库，旨在解决这些挑战，它支持OpenTelemetry格式数据，并具有内置转换引擎、高吞吐量实时数据摄取、实时查询API以及物化视图等特性，为可观测性2.0提供了坚实的基础设施。
阅读更多
GreptimeDB 的这篇博文深入探讨了其大型 Rust 项目中的错误处理实践。文章介绍了如何构建更高效、更精准的错误堆栈以替代系统回溯，如何在大型项目中组织错误，以及如何针对日志和最终用户采用不同的错误打印方案。GreptimeDB 使用 snafu 工具箱来管理错误，并构建了一个“虚拟用户栈”，它比系统回溯更高效，占用更少的内存，并且能提供更清晰易懂的错误信息，方便开发者调试和用户理解。
阅读更多