主流监控系统的对比!!

198人浏览 / 0人评论

简介

工具名称 简介
Prometheus 一个云原生的开源监控系统,主要用于收集时间序列数据,支持灵活查询和告警,是 CNCF 的顶级项目。
它专注实时数据收集和查询的监控系统,在扩展方面prometheus不在乎,因此市面上出现了很多做prometheus长期存储的软件,但是对此prometheus还是不在乎,因为它认为自己但单实例部署超过市面上的长期存储软件。
Open-Falcon 一款面向企业的开源监控系统,适合大规模分布式环境,支持插件扩展,专注于高吞吐量的指标采集和传输。
官方不在维护
Zabbix 一个成熟的企业级监控平台,支持多种监控方式(SNMP、JMX、IPMI 等),以广泛的功能和 GUI 界面闻名。
老字号,专注主机报警
Nightingale 基于 Open-Falcon 演进而来的监控系统,增加了 Prometheus 的兼容性和现代化特性,适合混合监控场景。
夜莺在管理报警这块做的非常不错。夜莺采用 All-in-One 的设计理念,可对接市面上的日志和监控系统,在平台做查询、报警。原生的agent支持日志采集、监控报警、下发脚本任务等功能。对于小公司来说 无疑是无敌的存在。
VictoriaMetrics 高性能的时序数据库,专注于长时间序列存储和查询优化,支持 Prometheus 生态。
监控系统的黑马,高性能、高扩展,解决了prometheus存在的问题。也是大公司在使用prometheus遇到瓶颈转战场的第一选择。官方也是很自信,不建议用集群,建议用单机部署,因为它认为单机部署比市面上很多中小集群数序数据库还要强很多。

优势与劣势

工具名称 优势 劣势
Prometheus 灵活、生态丰富,社区活跃,原生云支持,性能优异 不支持长期存储(需外接存储后端),原生不支持高可用
Open-Falcon 高吞吐量,适合企业环境,组件化设计,可定制化 社区较小,生态支持较少
Zabbix 功能全面,支持 GUI 配置,多协议支持 部署和维护复杂,性能受限于 MySQL
Nightingale 集成 Prometheus 兼容性,灵活扩展,适合混合场景 依赖 Open-Falcon 生态,社区尚未成熟
VictoriaMetrics 高性能长时间序列存储,压缩优化出色,原生分布式支持 侧重时序数据库功能,需要靠组件堆积,生态和prometheus差距过多。

详细对比

 

prometheus

Nightingale

victoriametrics

open-falcon

zabbix

开发语言

go

go

go

go

C、PHP

成熟读

性能

不详

很高

可扩展性

企业使用率

很高

社区生态

很高

废弃

很高

部署复杂度

简单

简单

简单

复杂

存储架构

TSDB,本地存储

支持 TSDB 和传统存储

 

压缩优化的时序数据库

RRD 文件(默认)或 MySQL

mysql

运维复杂度

较低

中等

较低

复杂

复杂

依赖

不依赖

mysql

不依赖

mysql、redis

mysql

性能

高性能,适合实时数据

高吞吐,适合大规模采集

高性能、适合海量采集

类似falcon

中等

查询语言

PromQL

自定义查询

SQL 风格查询

支持 PromQL 和 Open-Falcon 查询

支持PromQL

用户群

大部分公司

不详

小红书、京东、网易、知乎、携程、移动云、滴滴

小米、美团

原始小型公司

prometheus和VictoriaMetrics对比

比较 Prometheus VictoriaMetrics
数据采集 基于拉动 基于拉式和推式
数据摄取 每秒高达 240,000 个样本 每秒高达 360,000 个样本
数据查询 每秒高达 80,000 次查询 每秒高达 100,000 次查询
内存使用情况 高达 14GB RAM 高达 4.3GB 的 RAM (官方说比prometheus少7倍)
数据压缩 使用LZF压缩 使用 Snappy 压缩
磁盘写入频率 更频繁地将数据写入磁盘 减少将数据写入磁盘的频率
磁盘空间使用情况 需要更多磁盘空间 比prometheus少7倍
查询语言 PromQL MetricsQL(向后兼容 PromQL)

总结

工具名称 适合人群
Prometheus 技术团队,擅长构建自定义监控生态,关注实时性和灵活性的用户
Open-Falcon 企业用户,注重高吞吐和自定义的用户
Zabbix 传统企业 IT 运维团队,需求广泛但对性能要求不高
Nightingale 需要现代化混合监控系统的企业
VictoriaMetrics 数据量巨大、需要长期存储和查询优化的用户

 

全部评论