engineering on Grafana Labs
·
应对指标过载：深入探讨自适应指标
💡
原文英文，约2100词，阅读约需8分钟。
📝
内容提要
开发团队常因收集大量指标数据而增加成本和噪音。Grafana Cloud的Adaptive Metrics功能通过聚合未使用或部分使用的指标，降低数据基数，减少成本。TeleTracking使用该功能将支出减少了50%。Adaptive Metrics包含推荐引擎和聚合器，帮助识别和删除不必要的标签。未来计划包括动态调整数据收集的“及时指标”，以节省存储成本。
🎯
关键要点
- 开发团队常因收集大量指标数据而增加成本和噪音。
- Grafana Cloud的Adaptive Metrics功能通过聚合未使用或部分使用的指标，降低数据基数，减少成本。
- TeleTracking使用Adaptive Metrics功能将支出减少了50%。
- Adaptive Metrics包含推荐引擎和聚合器，帮助识别和删除不必要的标签。
- 未来计划包括动态调整数据收集的“及时指标”，以节省存储成本。
- 40%的时间序列来自自定义指标，60%来自依赖指标。
- 控制指标的冗余性是一个观察性问题，现有的解决方案往往不够有效。
- Adaptive Metrics的推荐引擎分析用户的系列索引，识别不必要的标签。
- Adaptive Metrics的聚合器允许用户根据推荐定义规则集，减少指标的基数。
- 未来可能实现“及时指标”，在出现问题时快速获取所有信号。
- 开发团队希望实现能够回溯获取数据的功能，以减少信息丢失的担忧。
➡️
