Prometheus时序数据库-数据的插入

前言

在之前的文章里，笔者详细的阐述了Prometheus时序数据库在内存和磁盘中的存储结构。有了前面的铺垫，笔者就可以在本篇文章阐述下数据的插入过程。

监控数据的插入

在这里，笔者并不会去讨论Promtheus向各个Endpoint抓取数据的过程。而是仅仅围绕着数据是如何插入Prometheus的过程做下阐述。对应方法:

func(a*headAppender)Add(lsetlabels.Labels,tint64,vfloat64)(uint64,error){
......
//如果lset对应的series没有，则建一个。同时把新建的series放入倒排Posting映射里面
s,created:=a.head.getOrCreate(lset.Hash(),lset)
ifcreated{//如果新创建了一个，则将新建的也放到a.series里面
a.series=append(a.series,record.RefSeries{
Ref:s.ref,
Labels:lset,
})
}
returns.ref,a.AddFast(s.ref,t,v)
}

我们就以下面的add函数调用为例:

app.Add(labels.FromStrings("foo","bar"),0,0)

首先是getOrCreate,顾名思义，不存在则创建一个。创建的过程包含了seriesHashMap/Postings(倒排索引)/LabelIndex的维护。如下图所示:

然后是AddFast方法

func(a*headAppender)AddFast(refuint64,tint64,vfloat64)error{
//拿出对应的memSeries
s:=a.head.series.getByID(ref)
......
//设置为等待提交状态
s.pendingCommit=true
......
//为了事务概念，放入temp存储，等待真正commit时候再写入memSeries
a.samples=append(a.samples,record.RefSample{Ref:ref,T:t,V:v,})
//
}

Prometheus在add数据点的时候并没有直接add到memSeries(也就是query所用到的结构体里),而是加入到一个临时的samples切片里面。同时还将这个数据点对应的memSeries同步增加到另一个sampleSeries里面。

事务可见性

为什么要这么做呢?就是为了实现commit语义，只有commit过后数据才可见(能被查询到)。否则，无法见到这些数据。而commit的动作主要就是WAL(Write Ahead Log)以及将headerAppender.samples数据写到其对应的memSeries中。这样，查询就可见这些数据了，如下图所示:

WAL

由于Prometheus最近的数据是保存在内存里面的，未防止服务器宕机丢失数据。其在commit之前先写了日志WAL。等服务重启的时候，再从WAL日志里面获取信息并重放。

为了性能，Prometheus了另一个goroutine去做文件的sync操作，所以并不能保证WAL不丢。进而也不能保证监控数据完全不丢。这点也是监控业务的特性决定的。

写入代码为:

commit()
|=>
func(a*headAppender)log()error{
......
//往WAL写入对应的series信息
iflen(a.series)>0{
rec=enc.Series(a.series,buf)
buf=rec[:0]

iferr:=a.head.wal.Log(rec);err!=nil{
returnerrors.Wrap(err,"logseries")
}
}
......
//往WAL写入真正的samples
iflen(a.samples)>0{
rec=enc.Samples(a.samples,buf)
buf=rec[:0]

iferr:=a.head.wal.Log(rec);err!=nil{
returnerrors.Wrap(err,"logsamples")
}
}
}

对应的WAL日志格式为:

Series records

┌────────────────────────────────────────────┐
│type=1<1b>│
├────────────────────────────────────────────┤
│┌─────────┬──────────────────────────────┐│
││id<8b>│n=len(labels)<uvarint>││
│├─────────┴────────────┬─────────────────┤│
││len(str_1)<uvarint>│str_1<bytes>││
│├──────────────────────┴─────────────────┤│
││...││
│├───────────────────────┬────────────────┤│
││len(str_2n)<uvarint>│str_2n<bytes>││
│└───────────────────────┴────────────────┘│
│...│
└────────────────────────────────────────────┘

Sample records

┌──────────────────────────────────────────────────────────────────┐
│type=2<1b>│
├──────────────────────────────────────────────────────────────────┤
│┌────────────────────┬───────────────────────────┐│
││id<8b>│timestamp<8b>││
│└────────────────────┴───────────────────────────┘│
│┌────────────────────┬───────────────────────────┬─────────────┐│
││id_delta<uvarint>│timestamp_delta<uvarint>│value<8b>││
│└────────────────────┴───────────────────────────┴─────────────┘│
│...│
└──────────────────────────────────────────────────────────────────┘

见Prometheus WAL.md

落盘存储

之前描述的所有数据都是写到内存里面。最终落地是通过compator routine将每两个小时的数据打包到一个Blocks里面。

具体可见笔者之前的博客《Prometheus时序数据库-磁盘中的存储结构》

总结

在这篇文章里，笔者详细描述了Prometheus数据的插入过程。在下一篇文章里面，笔者会继续

阐述Prometheus数据的查询过程。