跳到主要内容
版本：Nightly

常见问题

GreptimeDB 的性能与其他解决方案相比如何？​

参考GreptimeDB 对比其他存储或时序数据库的性能如何？。

GreptimeDB 与 Loki 相比有什么区别？是否提供 Rust 绑定的库，能否支持 Traces 和 Logs？​

GreptimeDB 现在仅支持日志（Log）数据类型，在 v0.10 版本中引入了对多个行业协议的兼容性。这些协议包括 Loki Remote Write、Vector 插件，以及全范围的 OTLP 数据类型（指标、追踪、日志）。

我们计划进一步优化日志引擎，着重提升查询性能和用户体验。未来的增强功能将包括（但不限于）扩展 GreptimeDB 日志查询 DSL 的功能，并实现与部分 Elasticsearch/Loki API 的兼容，为用户提供更高效、灵活的日志查询能力。

关于如何使用 GreptimeDB 处理日志的更多信息，您可以参考以下文档：

时序数据库的常见应用场景有哪些？​

时序数据库的常见应用场景包括但不限于以下四种：

  • 监控应用程序和基础设施；
  • 存储和访问物联网数据；
  • 处理自动驾驶汽车数据；
  • 分析金融趋势。

GreptimeDB 是否有 Go 驱动？​

用户可以查看 Go SDK 的具体信息。

GreptimeDB 什么时候发布 GA（正式发布）版本？​

我们预计在今年六月发布 GA 版本，具体计划参考：GreptimeDB 2025 Roadmap 发布！

GreptimeDB 是否有官方的 UI 界面用于查看集群状态、表列表和统计信息等？​

是的，我们已经开源了 Dashboard 供用户查询和观测数据。

访问 GitHub 仓库查看详细信息。

在可观测领域，GreptimeDB 可以作为 Rust 版本的 Prometheus 替代品使用吗？​

GreptimeDB 已原生支持 PromQL 且兼容性超 90%，可以满足大部分常见的使用需求。我们正在持续改进其功能，以使其与 VictoriaMetrics 相媲美。

GreptimeDB 是否与 Grafana 兼容？​

是的，GreptimeDB 与 Grafana 完全兼容。GreptimeDB 提供了官方的 Grafana 插件：greptimedb-grafana-datasource。

此外，GreptimeDB 还支持 MySQL 和 PostgreSQL 协议，因此用户可以使用 MySQL 或 PG 的 Grafana 插件，将 GreptimeDB 配置为数据源，然后使用 SQL 查询数据。

我们还原生实现了 PromQL，能够配合 Grafana 一起使用。

GreptimeDB 用于非时序数据库表时的性能如何？​

GreptimeDB 支持 SQL 查询，也能够处理非时序数据，尤其在高并发和高吞吐量的数据写入场景下表现出色。然而，GreptimeDB 是针对特定领域（可观测性数据场景）开发的，它不支持事务，也无法高效地删除数据。

GreptimeDB 是否有数据保留策略（Retention Policy）？​

GreptimeDB 支持数据库级别和表级别的 TTL（Time To Live，存活时间）。默认情况下，表会继承其所属数据库的 TTL 设置；但是，如果表被赋予了特定的 TTL，则表级 TTL 会优先生效。

有关 TTL 的详细信息，请参考官方文档中的 TTL 语法说明。

“Greptime”这个名字来源于哪里？​

“Greptime”由两个部分组成：grep 是 *nix 系统中最常用的命令行工具，用于搜索数据；而 time 则代表时序数据。因此，Greptime 寓意着帮助每个人在时序数据中查找/搜索有价值的信息。

GreptimeDB 是否支持 Schemaless？​

是的，GreptimeDB 是一个 Schemaless 的数据库，无需事先创建表。在使用 gRPC、InfluxDB Line Protocol、OpenTSDB 和 Prometheus Remote Write 协议写入数据时，会自动创建表和列。

GreptimeDB 是否支持将表级数据导出到 S3？​

是的，用户可以使用 COPY TO 命令将表级数据导出到 S3。

GreptimeDB 可以与夜莺集成吗？其兼容性如何？​

可以，参考这篇博客。 目前，GreptimeDB 的兼容性工作主要集中在原生 PromQL 的实现上。未来，我们将继续增强与 MetricQL 扩展语法的兼容性。

GreptimeDB 是否适用于大规模内部指标收集系统（类似于 Facebook 的 Gorilla 或 Google 的 Monarch）？对于偏好内存数据存储和高可用性场景，有无异步 WAL 或可选磁盘存储的计划？数据复制在无 WAL 的情况下如何处理？​

GreptimeDB 支持异步 WAL（Write Ahead Log，预写日志），正在开发基于每张表的 WAL 开关功能，以便更灵活地控制日志写入。同时，GreptimeDB 正在构建分层存储机制，其中以内存缓存为起点的存储策略已在开发中。

在数据复制方面，写入到远程存储（如 S3）的数据会独立于 WAL 进行复制。有关分层存储的详细信息，可以阅读本篇博客。

如果想删除数据库，可以使用 DROP DATABASE 这个命令来实现吗？​

是的。请参考Drop Database文档。

GreptimeDB 和其他基于 DataFusion 的时序数据库（如 InfluxDB）有什么主要区别？​

GreptimeDB 与 InfluxDB 在一些技术上有相似之处，例如都使用了 DataFusion、Arrow、Parquet 并基于对象存储。但在以下几个方面有所不同：

  • 开源策略：

    • InfluxDB 只开放其单机版本，而 GreptimeDB 完全开源，包括其分布式集群版本；
    • GreptimeDB 的架构可以运行在边缘设备（如 Android 系统）上。

  • 分布式架构：

    • 我们的架构更接近 HBase 的 Region/RegionServer 设计；
    • 预写日志（WAL）基于 Kafka，同时也在探索基于 quorum 的实现方案。

  • 混合负载与服务支持：

    • GreptimeDB 聚焦于多种可观测数据的统一处理，以及与分析型负载的结合，以提升资源效率和实时性能；
    • 提供商业化云服务 GreptimeCloud，方便用户快速上手。

  • 存储引擎设计：

    • 可插拔存储引擎适配多种场景，特别是 Prometheus 的小表场景，GreptimeDB 提供专门的 Metrics 存储引擎。

  • 查询语言支持：

    • 支持 PromQL（用于监控）、SQL（用于分析）以及 Python（用于复杂数据处理）； 相比之下，InfluxDB 使用 InfluxQL 和 SQL。

GreptimeDB 是一个快速发展的开源项目，欢迎社区的反馈和贡献！了解更多细节可以访问我们的 Blog 和 Contributor Guide.

作为新手，我应该如何开始为 GreptimeDB 贡献代码？？​

欢迎参与 GreptimeDB 的贡献！新手请阅读贡献指南。

除此之外，我们还挑选了一些适合新手贡献的 PR（good first issues）供您参考。

GreptimeDB 是否支持类似于 InfluxDB 的非负微分方法（处理可重置的绝对计数器）？​

是的，GreptimeDB 具有与 Prometheus 类似的功能，可有效处理计数器重置问题。例如，reset()、rate() 或 delta() 等函数可以自动检测和调整计数器重置。

但是以下几点需要注意：

  • 不建议对计数器使用 deriv() 函数（此函数适用于 gauge 类型），可以先对计数器应用 rate()，然后使用 deriv()。 在计数器操作方面 PromQL 更适合，因为它源于 Prometheus 的生态；
  • 我们也在探索将 PromQL 函数集成到 SQL 中，为用户提供更大的灵活性。如果您对这方面有兴趣，可参考我们的文档。

GreptimeDB 开源版本与云版本有哪些功能差异？​

以下是主要区别：

  • 基础功能：

    • 两个版本在基础功能上几乎相同，包括数据写入协议、SQL 能力和存储功能；
    • GreptimeCloud 提供了一些高级 SQL 功能和额外特性。

  • 托管服务：

    • GreptimeCloud 支持多租户、数据加密和安全审计，以满足合规需求，这些功能在开源版本中不可用。
    • GreptimeCloud 支持独占部署和按量付费的 Serverless 模式

  • 增强型控制台：

    • 云版本的仪表盘更加友好，独有的 Prometheus 工作台支持在线编辑 Prometheus 仪表盘和告警规则，支持 GitOps 集成。

如上所述，云版本提供了更多即用型功能，可帮助用户快速上手。

哪里可以找到有关本地部署和性能基准测试报告的相关文档？​

用户可以查看我们的 TSBS 基准测试结果并查看相关的部署文档。

更多性能报告请参考GreptimeDB 对比其他存储或时序数据库的性能如何。

是否有将 GreptimeDB 编译为仅包含必要模块和功能的嵌入式独立二进制文件的参考指南？​

我们提供适用于 Android ARM64 平台的预构建二进制文件，这些文件已在部分企业项目中成功应用。然而，这些二进制文件暂不支持裸机设备，因为 GreptimeDB 的一些核心组件依赖标准库。

是否有内置 SQL 命令（例如 compaction table t1）可用于手动进行数据压缩？​

请参考该文档。

GreptimeDB 是否可以用于存储日志？​

可以，详细信息请参考这里。

非主键字段的查询性能如何？是否可以设置倒排索引？与 Elasticsearch 相比，存储成本是否更低？​

非主键字段也可以创建索引，参考索引管理。

GreptimeDB 的存储成本比 Elasticsearch 低的多，持久化数据大小仅为 ClickHouse 的 50% 和 Elasticsearch 的 12.7%，具体请见性能评测。

Log-Structured Merge-Tree（LSM）引擎是否与 Kafka 的引擎模型类似？​

从技术存储角度来看，它们确实有相似之处。然而，实际的数据格式有所不同：

GreptimeDB 采用 Parquet 格式进行读写；Kafka 使用其专有的 RecordBatch 格式。若需要对暂时存储在 Kafka 中的时序数据进行分析，必须先将数据写入 GreptimeDB。

你可以使用 Vector 消费 Kafka 并将消息写入 GreptimeDB，参见这篇文章。

在 GreptimeDB 中，表和列的数量是否有限制？列数较多是否会影响读写性能？​

通常情况下并没有严格的限制。在几百个表的场景下，主键列数量不多时对写入性能的影响是可以忽略的（性能以每秒写入点数而非行数衡量）。

同样，对于读取性能来说，如果查询只涉及部分列，内存和计算的开销也不会显著增加。

通常需要多少台服务器来搭建一个可靠的 GreptimeDB 集群？Frontend、Datanode 和 Metasrv 应如何部署？是否所有节点都需要运行这三个服务？​

搭建 GreptimeDB 集群至少需要 3 台节点，每台节点运行 Metasrv、Frontend 和 Datanode 三个服务。然而，具体的节点数量取决于需要处理的数据规模。

并不需要在每个节点上同时部署所有服务。对于小型集群，可以单独使用 3 台节点运行 Metasrv，而 Frontend 和 Datanode 可以部署在其他等量节点上，每个容器运行两个进程。

更多部署建议请参考容量规划文档。

最新版本的 Flow Engine（预计算功能）是否支持 PromQL 语法进行计算？​

目前 Flow Engine 暂不支持 PromQL 语法计算。我们会对该需求进行评估，从理论上看似乎是可行的。

Metasrv 是否会支持 MySQL 或 PostgreSQL 作为存储后端？​

最新版本的 GreptimeDB 已支持 PostgreSQL 作为 Metasrv 的存储后端。具体信息请参考这里。

如何最佳地对成千上万台计算机中多个网卡的接口流量速率（每 30 秒取最大值）进行降采样，以便长期保存（如多年的数据）？​

使用流表（Flow Table）是完成此任务的最佳工具。一个简单的流任务即可满足需求。流任务的输出会存储到普通表中，支持长期保存。请阅读 Flow 指南。

GreptimeDB 是否支持动态的按天分区？​

是的。在 Region 内，时间序列数据默认按照时间来动态组织，无需配置。请注意，它跟分布式表的分片是两个层次的概念。一个是分片内的数据组织，一个是数据的分布式切分。

GreptimeDB 中对 DataFusion 的哪些部分进行了定制？​

GreptimeDB 针对 DataFusion 的以下部分进行了定制：

  • 支持 PromQL 查询
  • 执行分布式查询
  • 自定义 UDF（用户自定义函数）和 UDAF（用户自定义聚合函数）。
  • 自定义优化规则

开源版本的 GreptimeDB 是否支持细粒度的访问控制？​

开源版仅支持基础的用户名密码认证。企业版提供了细粒度的访问控制功能，例如 RBAC（基于角色的访问控制）。

以日期时间格式写入 TIMESTAMP 值会影响查询性能吗？​

不会。以日期时间格式（如 yyyy-MM-dd HH:mm:ss）写入并不会影响查询性能。底层存储格式保持一致。

评估数据压缩时，是否只需考虑数据目录的大小，还是包括 WAL 目录的大小？​

只需考虑数据目录的大小即可，WAL 目录会循环重用，因此不纳入数据压缩指标。

在集群模式下，如果创建表时未使用 PARTITION，数据是否会自动均衡到各个 Datanode 上？​

当前版本中，未使用 PARTITION 的情况下，数据不会自动均衡到各 Datanode。实现区域分裂和自动均衡的功能计划在 v1.2 或 v1.3 版本中推出。