<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[beary_tang的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/beary_tang</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; beary_tang]]></copyright><item><title><![CDATA[指标、日志、链路追踪全面覆盖，性能与效率双提升！下一代可观测时序数据平台 GreptimeDB 来啦]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/145004983</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/145004983</guid><author>beary_tang</author><pubDate>Wed, 08 Jan 2025 12:08:53 +0800</pubDate><description><![CDATA[GreptimeDB 是由格睿科技自主研发的一款云原生、SQL 支持的开源时间序列数据库，具有强兼容性，高读写速度等优势，专为处理物联网（IoT）、边缘计算以及可观测领域大量时序数据的存储和分析而设计。

作为国内领先的开源数据库项目之一，GreptimeDB 致力于通过高性能、可扩展性和多场景适配性，为企业解决观测性技术（Observability）领域中的数据存储与实时分析挑战。
]]></description><category></category></item><item><title><![CDATA[GreptimeAI + BentoCloud —— 高效部署和监控 LLM 应用的使用表现]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/144219745</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/144219745</guid><author>beary_tang</author><pubDate>Tue, 03 Dec 2024 17:23:04 +0800</pubDate><description><![CDATA[随着各种类似 OpenAI 的开源大型语言模型的不断发展，如何统一使用 OpenAI 的接口并高效地监控 LLM 应用的性能变得越来越重要。在本文中，我们将介绍 GreptimeAI 和 BentoCloud 提供的统一解决方案。]]></description><category></category></item><item><title><![CDATA[签约案例｜GreptimeDB 为数据驱动的汽车应用带来安全高效的车云一体解决方案]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/144219303</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/144219303</guid><author>beary_tang</author><pubDate>Tue, 03 Dec 2024 17:07:12 +0800</pubDate><description><![CDATA[GreptimeDB 在量产车的车机端部署了一套完整的嵌入式数据库软件，使其可以与云端 GreptimeDB 平台协同，实现安全高效的车云一体时序数据管理能力。本文分享了一个签约案例。]]></description><category></category></item><item><title><![CDATA[用户指南 | 快速迁移 InfluxDB v2 数据至 GreptimeDB]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/144129389</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/144129389</guid><author>beary_tang</author><pubDate>Fri, 29 Nov 2024 10:22:07 +0800</pubDate><description><![CDATA[GreptimeDB 以其强大的可扩展性和经济适用的云上存储能力，可以作为 InfluxDB 的高效可行的替代方案。你可以将 GreptimeDB 视为 InfluxDB v3 的生产就绪实现。那么，如何将数据从 InfluxDB v2 迁移到 GreptimeDB？本文详细介绍了具体的迁移方法。]]></description><category></category></item><item><title><![CDATA[可观测场景如何使用 Vector Remap 优化日志数据的解析与存储]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/144128557</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/144128557</guid><author>beary_tang</author><pubDate>Fri, 29 Nov 2024 09:56:42 +0800</pubDate><description><![CDATA[为了对可观测数据进行结构化处理，Vector Transforms 功能配套了 Vector Remap Language，一种面向表达式的语言，可以安全、高效地转换可观测性数据。本章我们详细介绍 Transform 中的 remap 功能。]]></description><category></category></item><item><title><![CDATA[GreptimeDB 监控自举 | 如何用 GreptimeDB 监控 GreptimeDB]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/144103897</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/144103897</guid><author>beary_tang</author><pubDate>Thu, 28 Nov 2024 10:09:52 +0800</pubDate><description><![CDATA[本文介绍了 GreptimeDB 监控自举方案——通过利用 GreptimeDB 存储和计算 Metrics、Logs 及 Traces，简化 Observability 流程，提升资源效率，统一技术栈。]]></description><category></category></item><item><title><![CDATA[GreptimeDB Edge 2.0 车端多模态数据库线上发布会]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/144090734</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/144090734</guid><author>beary_tang</author><pubDate>Wed, 27 Nov 2024 17:42:56 +0800</pubDate><description><![CDATA[GreptimeDB Edge 2.0 车端多模态数据库线上发布会 2024 年 11 月 28 日，本周四 19:30，锁定 Greptime 视频号直播间～]]></description><category></category></item><item><title><![CDATA[Rust 错误处理在 GreptimeDB 的实践]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/144061996</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/144061996</guid><author>beary_tang</author><pubDate>Tue, 26 Nov 2024 16:27:23 +0800</pubDate><description><![CDATA[本文讨论了在 GreptimeDB 中 Rust 错误处理的实践，包括：（1）如何构建一个高效且精确的错误堆栈来取代系统 Backtrace 的堆栈；（2）如何在大型项目中组织错误定义；以及（3）如何在不同的方案中打印错误日志，并向最终用户报告错误。文章末尾分享了后续的工作计划。]]></description><category></category></item><item><title><![CDATA[克服 Prometheus 单值数据模型的局限性 — GreptimeDB 的新路径]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/143979192</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/143979192</guid><author>beary_tang</author><pubDate>Fri, 22 Nov 2024 17:31:11 +0800</pubDate><description><![CDATA[本文探讨了 Prometheus 单值数据模型的固有限制，GreptimeDB 如何成为一个解决这些问题的创新方案，并结合若干实例说明其中的差别。]]></description><category></category></item><item><title><![CDATA[Procedure 框架的设计和应用]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/143977628</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/143977628</guid><author>beary_tang</author><pubDate>Fri, 22 Nov 2024 16:38:51 +0800</pubDate><description><![CDATA[为了支持分布式数据库内部事务，GreptimeDB 设计实现了 Procedure 框架，以确保数据库中多个状态数据的修改的原子性、一致性和持久性。此前的文章《GreptimeDB 如何提高多步操作的容错能力》介绍了 Procedure 框架的设计动机和实现方案，并留下了部分未来工作的引子。本文即从前文的未来工作出发，分享近期 GreptimeDB 在系统内部的分布式事务上取得的进展。]]></description><category></category></item><item><title><![CDATA[资源有限，性能无限：GreptimeDB Edge 赋能车端数据处理新高度]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/143963126</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/143963126</guid><author>beary_tang</author><pubDate>Fri, 22 Nov 2024 10:20:34 +0800</pubDate><description><![CDATA[随着智能汽车行业的迅猛发展，车载数据量激增，对数据的存储、查询和管理提出了更高要求。面对这些挑战，我们提出了车云一体的解决方案，以实现更高效的车端数据管理与应用。在车云一体方案中，GreptimeDB Edge 是专为车机设计的数据库，它针对存储和计算进行了优化，以极低的资源消耗实现高效的数据处理。本文将向大家展示 GreptimeDB Edge 在高写入负载下的性能数据 和 实际生产环境中的压缩率表现。]]></description><category></category></item><item><title><![CDATA[实战 Vector：开源日志和指标采集工具]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/143933917</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/143933917</guid><author>beary_tang</author><pubDate>Thu, 21 Nov 2024 10:17:00 +0800</pubDate><description><![CDATA[在搭建监控体系时，高效地将日志和指标数据从数据源传输到目标存储是关键任务。本文将通过示例配置，展示如何利用 Vector 构建灵活高效的数据采集与传输流程。]]></description><category></category></item><item><title><![CDATA[探索 GreptimeDB 中的索引技术：优化大规模时序数据查询性能]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/143884987</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/143884987</guid><author>beary_tang</author><pubDate>Tue, 19 Nov 2024 14:37:20 +0800</pubDate><description><![CDATA[本文将深入探讨专为大规模时序数据设计的数据库 GreptimeDB 中的索引技术及其在提高查询性能中的关键作用，重点介绍 GreptimeDB 如何通过使用 MinMax 索引和 0.7 版本新引入的倒排索引来减轻查询工作量，从而提升查询性能。]]></description><category></category></item><item><title><![CDATA[用户指南 | 快速迁移 InfluxDB v1 数据至 GreptimeDB]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/143776508</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/143776508</guid><author>beary_tang</author><pubDate>Thu, 14 Nov 2024 17:29:43 +0800</pubDate><description><![CDATA[GreptimeDB 以其强大的可扩展性和经济适用的云上存储能力，可以作为 InfluxDB 高效可行的替代方案。那么，如何将数据从 InfluxDB v1 迁移到 GreptimeDB？本文详细介绍了具体的迁移方法。GreptimeDB 具有基于云的弹性和强大经济的存储能力，因此可以作为 InfluxDB 的绝佳替代品。它也可被视为 InfluxDB v3 的生产就绪实施方案。]]></description><category></category></item><item><title><![CDATA[Rust + 云原生 ｜ Greptime 在 COSCon‘24 中国开源年会上说了什么？]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/143771698</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/143771698</guid><author>beary_tang</author><pubDate>Thu, 14 Nov 2024 15:05:17 +0800</pubDate><description><![CDATA[COSCon'24 中国开源年会暨开源社 10 周年嘉年华于上周末 11 月 2 日- 3 日在北京中国村国家自主创新示范区展示中心成功举办，Greptime 议题入选 Rust 技术分论坛与云原生分论坛。]]></description><category></category></item><item><title><![CDATA[用户指南 | 如何使用 Flow 功能实现持续聚合，赋能实时计算和查询]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/143713138</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/143713138</guid><author>beary_tang</author><pubDate>Tue, 12 Nov 2024 15:31:47 +0800</pubDate><description><![CDATA[在版本 v0.8 中，GreptimeDB 实现了 Flow Engine 来支持持续聚合功能，用户可以实时计算和查询数据的总和、平均值或使用其他聚合计算功能。本文介绍了 GreptimeDB 中持续聚合功能的基本用法和特性，并且举例说明了创建、使用和删除 Flow 任务的流程。]]></description><category></category></item><item><title><![CDATA[事件管理革命：监控系统中统一日志和指标]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/143626226</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/143626226</guid><author>beary_tang</author><pubDate>Fri, 08 Nov 2024 14:43:01 +0800</pubDate><description><![CDATA[日志（Logs）和指标（Metrics）通常被分开处理，不过它们本质上都是事件（Events）。这为我们简化和优化监控系统中的事件管理提供了一条新的道路。]]></description><category></category></item><item><title><![CDATA[与 Perses 深度集成，重构 GreptimeCloud 可视化工作台]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/143614187</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/143614187</guid><author>beary_tang</author><pubDate>Fri, 08 Nov 2024 09:42:02 +0800</pubDate><description><![CDATA[通过结合 Perses 可视化、GreptimeDB 数据库和 Git 管理，GreptimeCloud 提供了一个无缝、可扩展的时序数据可视化解决方案，提升了数据管理效率和跨平台兼容性。]]></description><category></category></item><item><title><![CDATA[高性能日志结构化引擎 — GreptimeDB Piepline 设计与实现技术揭秘]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/143593564</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/143593564</guid><author>beary_tang</author><pubDate>Thu, 07 Nov 2024 14:40:57 +0800</pubDate><description><![CDATA[GreptimeDB v0.9 推出 pipeline 引擎和全文索引，使得日志处理更加高效，支持从日志解析到结构化存储和查询。本文将揭示 pipeline 引擎的设计思路和实现细节，帮助用户实现日志数据的自动转换和精确查询。]]></description><category></category></item><item><title><![CDATA[Grafana GreptimeDB 数据源插件上线啦，全面替代 Prometheus 插件]]></title><link>https://blog.youkuaiyun.com/beary_tang/article/details/143590676</link><guid>https://blog.youkuaiyun.com/beary_tang/article/details/143590676</guid><author>beary_tang</author><pubDate>Thu, 07 Nov 2024 11:56:23 +0800</pubDate><description><![CDATA[我们基于 Prometheus 数据源插件，开发了 Grafana GreptimeDB 数据源插件，本篇文章做一个简单的回顾。]]></description><category></category></item></channel></rss>