Release notes(v1.3)
特性
支持promQL
PromQL(Prometheus Query Language)是 Prometheus 内置的数据查询语言，其提供对时间序列数据丰富的查询，聚合以及逻辑运算能力的支持。当前版本开始支持HTTP API使用PromQL直接从openGemini中查找数据。
image-20240828100203674 举个例子：
查询指标
http_requests_total的全部数据。// PromQL语法 http_requests_total // openGemini HTTP API curl -i -XPOST 'http://127.0.0.1:8086/api/v1/query?query=http_requests_total'给定标签条件
job="apiserver"和handler="/api/comments"，查询指标http_requests_total的全部数据。// PromQL语法 http_requests_total{job="apiserver", handler="/api/comments"} // openGemini HTTP API curl -i -XPOST 'http://127.0.0.1:8086/api/v1/query?' --data-urlencode 'query=http_requests_total{job="apiserver", handler="/api/comments"}'给定标签条件
job="apiserver"和handler="/api/comments"，查询从现在起，去过5分钟内，指标http_requests_total的全部数据。// PromQL语法 http_requests_total{job="apiserver", handler="/api/comments"}[5m] // openGemini HTTP API curl -i -XPOST 'http://127.0.0.1:8086/api/v1/query?' --data-urlencode 'query=http_requests_total{job="apiserver", handler="/api/comments"}[5m]'对PromQL的支持程度以及用法，参考文档PromQL查询
数据可靠性
openGemini在v1.2.0版本及早期版本，数据只存在一份。从当前版本开始，openGemini支持数据3副本能力，满足工业、能源、物联网等多数场景对数据可靠性的要求。
image-20240828101727172 具体用法，请参考数据副本
备份恢复
支持单机和集群的数据备份，包括全量备份和增量备份。支持离线数据恢复，可以恢复到原节点，也可以恢复到新节点。数据是备份到本地，在生产环境上，建议配置FTP或者其他工具将备份数据upload到备份服务器上。
image-20240828105008977 备份恢复用法，请参考备份恢复
支持Prometheus从openGemini拉取内核的监控指标数据
curl -i -XPOST 'http://127.0.0.1:8086/metrics'新增
show cluster命令查看集群状态信息> show cluster time status hostname nodeID nodeType availability ---- ------ -------- ------ -------- ------------ 1725071376777471503 alive 127.0.0.3:8091 1 meta available 1725071376777471503 alive 127.0.0.1:8091 2 meta available 1725071376777471503 alive 127.0.0.2:8091 3 meta available 1725071376777471503 alive 127.0.0.1:8400 4 data available 1725071376777471503 alive 127.0.0.2:8400 5 data available 1725071376777471503 alive 127.0.0.3:8400 6 data available
性能优化
topn() 查询性能优化
优化时间范围查询条件，实际业务场景中，100并发查询，平均时延从256ms下降到68ms，端到端业务性能提升2~4倍
数据写入优化
针对TAG数量特别大，或者TAG Value特别长，或者TAG数组比较大的数据写入场景，通过优化WAL网络传输、Cache压缩、索引更新逻辑等，实现CPU开销降低20%。实际业务场景测试，写性能从37万rows/s提升到60万rows/s
优化配置
[index] cache-compress-enable = true bloom-filter-enable = true批量查询优化
针对批量点查场景，比如看板应用，大部分查询条件都相同，通过缓存倒排索引查询结果，实际业务场景测试，时间线规模1000万，批量查询性能提升近1倍。
show tag values性能优化
针对于高基数且查询带limit的查询场景，通过优化查询策略，性能可提升5-10倍
Memtable查询性能优化
针对大量时间线实时数据写入，使得Memtable数据较多，同时存在多个并发查询执行，导致CPU较高，查询性能下降的问题，通过减少数据深拷贝和GC优化，进一步提升查询性能。
多Field查询优化
针对查询请求存在非常多FIELD过滤的场景，会出现查询时延高，CPU开销大的问题，通过优化索引扫描算法，将多field扫描场景在Index Scan阶段的CPU消耗从75.36%降低到了0.53%。
Bug Fix
- 修复了删表不能指定RP的问题 #666
- 修复批量删除表时，部分表删除失败的问题 #482
- 修复ts-cli翻看历史命令时出现命令行文本损坏的问题 #651
- 修复ts-store重启Panic问题 #481
- 修复文本索引文件加载失败的问题 #700