-
编辑 删除
用 GreptimeDB 和 Metabase 解锁时序数据洞察的无限潜力
通过将 GreptimeDB 与 Metabase 相结合，用户可以轻松地查询、分析和可视化时间序列数据，从而更好地理解系统性能、用户行为和发展趋势。
-
编辑 删除
Vector 增加 GreptimeDB 日志写入支持，连接数十种数据源
在上个月，我们实现的 Greptime Log Sink 成功的被合并入 Vector 的主干，从 0.41.0 开始，Vector 已正式支 GreptimeDB Log Sink。
-
编辑 删除
Scale Prometheus： K8s 部署 GreptimeDB 集群作为 Prometheus 长期存储
这篇文章介绍了如何在 Kubernetes 中使用 GreptimeDB 替代 Prometheus 进行监控，强调 GreptimeDB 对 Prometheus 生态的兼容性，展示数据双写和弹性伸缩的方法，为未来扩展提供基础。
-
编辑 删除
数据监控入门必读 - 在 NodeJS 中使用 OpenTelemetry 进行数据埋点指南
OpenTelemetry 是一个用于统一应用程序可观测性数据收集的开源框架。这篇文章介绍了开发者如何通过使用 OpenTelemetry NodeJS SDK 对应用进行自动化监控，实现捕获指标和追踪数据。
-
编辑 删除
「用户故事 」从 Thanos 到 GreptimeDB，我们实现了 Prometheus 高效长期存储
本文分享了一位开源用户如何选择并将 Prometheus 长期数据存储从 Thanos 迁移到 GreptimeDB 的过程。
-
编辑 删除
开源赋能开发者：基于 ASF 开源生态构建云原生时序数据库
GreptimeDB 基于 ASF 开源生态构建了高性能的时序数据库，旨在为用户提供灵活的时序数据管理解决方案。本文将探讨其与开源项目的深度结合及其核心特点。
-
编辑 删除
释放时序数据活力：Greptime 边云一体解决方案白皮书发布！
GreptimeDB 已经开源快两年了！在这两年里，我们积累了一些开源用户和企业用户，并形成了一套专业的《Greptime 边云一体解决方案》。该解决方案专为可观测性、物联网及车联网等领域提供实时、高效的数据存储和分析服务，帮助客户挖掘数据的深层价值。为此，我们特别整理了一份产品白皮书，供有需求的用户初步了解我们的产品。
-
编辑 删除
Python + OpenTelemetry，观测你的特斯拉！
本文展示了如何使用 OpenTelemetry 监控 Tesla Model 3 的充电与驾驶数据。
-
编辑 删除
跨越语言边界，Greptime 与蚂蚁向量数据库合作实现向量搜索性能 5 倍新突破
Greptime 与蚂蚁集团向量数据库团队的合作成功整合了 VSAG 向量搜索库，解决了跨语言开发的挑战，并实现了 5 倍的性能提升。这一合作为向量数据库领域带来了显著创新，并为未来的进一步发展奠定了基础。
-
编辑 删除
解密可观测行业中的语义规范 — 代码世界中的“语言艺术”
语义规范在可观测性中至关重要，它为遥测和属性名称提供标准化定义，确保数据一致性和清晰度。通过使用行业标准，可以简化监控、分析和警报设置，避免供应商锁定，并优化数据存储和计算。
-
编辑 删除
Region Migration 技术原理 — 共享存储架构下的高效数据迁移策略
自 v0.6.0 起，GreptimeDB 分布式版本具备了将 Datanode 上的数据表分区（Region）数据迁移到另一个 Datanode 的能力。本文介绍了 Region Migration 实现的具体的技术细节。
-
编辑 删除
GreptimeDB v0.7 发布 — 全面支持云原生监控场景
随着三月初春的到来，适用于生产级别的 GreptimeDB 开源版也在万物复苏的“惊蛰”时节如约而至。v0.7 版本标志着我们向生产就绪版本迈出的重要一步，我们欢迎社区的每一位成员积极参与使用，并提供宝贵的反馈意见。
-
编辑 删除
时序数据库入门 | 时序数据库的特点及与传统数据库的区别详解
所谓时序数据，非常通俗的角度来讲，就是一些随着时间变化而变化的值 (Value），同时这些值上面附带有一些 Key=Value 组成的标签。
-
编辑 删除
时序数据高基问题揭秘：根因分析与解决之道
在时序领域，因为数据模型的原因，往往会带来问题，在进到时序领域之前，我们还是先来讨论一下高基的数据集到底意味着什么。
-
编辑 删除
混沌工程：是谁背着我偷偷写 Bug 🤸
GreptimeDB 支持以单机和分布式的形式进行部署，但紧随而来一个尖锐的问题：我们对投入生产的这套复杂系统有多少信心？ 在 0.3 到 0.4 的迭代过程中，我们引入了混沌工程（Chaos engineering）来提高系统的健壮性。
-
编辑 删除
用户案例｜GreptimeDB 助力贵州某机场智慧能源物联网系统
贵州某国际机场三期扩建的弱电项目实施过程中，经对比调研 GreptimeDB，Apache IoTDB 和 InfluxDB 等国内外产品后，最终选择了 GreptimeDB 作为该项目的时序数据库方案。基于 GreptimeDB 的方案实现了高效、可靠的配电时序数据写入、存储和查询操作，确保了系统的高效稳定运行。
-
编辑 删除
GreptimeDB Roadmap 2024
迈入 2024 年，我们将拥抱更多创新，GreptimeDB 也将迎来许多关键性的更新，这些关键更新将标志着我们产品能正式被纳入生产环境中使用，为用户呈现与行业内顶尖时序数据库相当的性能基准。这篇 Roadmap 揭示了我们团队 2024 正在努力实现的目标和暂定的版本发布计划，为希望在 GitHub 上为 GreptimeDB 贡献代码的人提供一些切入点。
-
编辑 删除
一文教会你！如何利用火焰图快速定位内存泄漏？
GreptimeDB 使用 Jemalloc 作为默认的内存分配器，这不仅有助于提升性能和降低内存碎片，也提供了便捷的内存分析功能，本文中将详细介绍基于 Jemalloc 的排查手段。
-
编辑 删除
SQL 也能搞复杂时序查询？-使用 SQL 在 GreptimeDB 上做 Range 查询
查询并聚合一个「给定长度的时间范围的数据」，是时序数据中常见的一种查询模式。例如 PromQL 中的 Range selector，就原生地支持了这种时序查询。但对于通用的数据库查询语言 SQL ，这类时序查询很难通过原生的 SQL 完成，所以我们在 GreptimeDB 中引入了扩展的 SQL Range 查询语法，将时序查询能力与 SQL 高度灵活的表达能力相结合，实现了 SQL 对时序数据查询的原生支持。
-
编辑 删除
记一次 Rust 内存泄漏排查之旅 | 经验总结篇
在某次持续压测过程中，我们发现 GreptimeDB 的 Frontend 节点内存即使在请求量平稳的阶段也在持续上涨，直至被 OOM kill。我们判断 Frontend 应该是有内存泄漏了，于是开启了排查内存泄漏之旅。
