Prometheus時序資料庫-磁碟中的儲存結構

Al發表於2021-03-01

Prometheus時序資料庫-磁碟中的儲存結構

前言

之前的文章裡,筆者詳細描述了監控資料在Prometheus記憶體中的結構。而其在磁碟中的儲存結構,也是非常有意思的,關於這部分內容,將在本篇文章進行闡述。

磁碟目錄結構

首先我們來看Prometheus執行後,所形成的檔案目錄結構

在筆者自己的機器上的具體結構如下:

prometheus-data
	|-01EY0EH5JA3ABCB0PXHAPP999D (block)
	|-01EY0EH5JA3QCQB0PXHAPP999D (block)
		|-chunks
			|-000001
			|-000002
			.....
			|-000021
		|-index
		|-meta.json
		|-tombstones
	|-wal
	|-chunks_head

Block

一個Block就是一個獨立的小型資料庫,其儲存了一段時間內所有查詢所用到的資訊。包括標籤/索引/符號表資料等等。Block的實質就是將一段時間裡的記憶體資料組織成檔案形式儲存下來。

最近的Block一般是儲存了2小時的資料,而較為久遠的Block則會通過compactor進行合併,一個Block可能儲存了若干小時的資訊。值得注意的是,合併操作只是減少了索引的大小(尤其是符號表的合併),而本身資料(chunks)的大小並沒有任何改變。

meta.json

我們可以通過檢查meta.json來得到當前Block的一些元資訊。

{
	"ulid":"01EY0EH5JA3QCQB0PXHAPP999D"
	// maxTime-minTime = 7200s => 2 h
	"minTime": 1611664000000
	"maxTime": 1611671200000
	"stats": {
		"numSamples": 1505855631,
		"numSeries": 12063563,
		"numChunks": 12063563
	}
	"compaction":{
		"level" : 1
		"sources: [
			"01EY0EH5JA3QCQB0PXHAPP999D"
		]
	}
	"version":1
}

其中的元資訊非常清楚明瞭。這個Block記錄了從2個小時的資料。

讓我們再找一個比較陳舊的Block看下它的meta.json.

	"ulid":"01EXTEH5JA3QCQB0PXHAPP999D",
	// maxTime - maxTime =>162h
	"minTime":1610964800000,
	"maxTime":1611548000000
	......
	"compaction":{
		"level": 5,
		"sources: [
			31個01EX......
		]
	},
	"parents: [
		{	
			"ulid": 01EXTEH5JA3QCQB1PXHAPP999D
			...
		}
		{	
			"ulid": 01EXTEH6JA3QCQB1PXHAPP999D
			...
		}
				{	
			"ulid": 01EXTEH5JA31CQB1PXHAPP999D
			...
		}
	]

從中我們可以看到,該Block是由31個原始Block經歷5次壓縮而來。最後一次壓縮的三個Block ulid記錄在parents中。如下圖所示:

Chunks結構

CUT檔案切分

所有的Chunk檔案在磁碟上都不會大於512M,對應的原始碼為:

func (w *Writer) WriteChunks(chks ...Meta) error {
	......
	for i, chk := range chks {
		cutNewBatch := (i != 0) && (batchSize+SegmentHeaderSize > w.segmentSize)
		......
		if cutNewBatch {
			......
		}
		......
	}
}

當寫入磁碟單個檔案超過512M的時候,就會自動切分一個新的檔案。

一個Chunks檔案包含了非常多的記憶體Chunk結構,如下圖所示:

圖中也標出了,我們是怎麼尋找對應Chunk的。通過將檔名(000001,前32位)以及(offset,後32位)編碼到一個int型別的refId中,使得我們可以輕鬆的通過這個id獲取到對應的chunk資料。

chunks檔案通過mmap去訪問

由於chunks檔案大小基本固定(最大512M),所以我們很容易的可以通過mmap去訪問對應的資料。直接將對應檔案的讀操作交給作業系統,既省心又省力。對應程式碼為:

func NewDirReader(dir string, pool chunkenc.Pool) (*Reader, error) {
	......
	for _, fn := range files {
		f, err := fileutil.OpenMmapFile(fn)
		......
	}
	......
	bs = append(bs, realByteSlice(f.Bytes()))
}
通過sgmBytes := s.bs[offset]就直接能獲取對應的資料

index索引結構

前面介紹完chunk檔案,我們就可以開始闡述最複雜的索引結構了。

定址過程

索引就是為了讓我們快速的找到想要的內容,為了便於理解。筆者就通過一次資料的定址來探究Prometheus的磁碟索引結構。考慮查詢一個

擁有系列三個標籤
({__name__:http_requests}{job:api-server}{instance:0})
且時間為start/end的所有序列資料

我們先從選擇Block開始,遍歷所有Block的meta.json,找到具體的Block

前文說了,通過Labels找資料是通過倒排索引。我們的倒排索引是儲存在index檔案裡面的。 那麼怎麼在這個單一檔案裡找到倒排索引的位置呢?這就引入了TOC(Table Of Content)

TOC(Table Of Content)


由於index檔案一旦形成之後就不再會改變,所以Prometheus也依舊使用mmap來進行操作。採用mmap讀取TOC非常容易:

func NewTOCFromByteSlice(bs ByteSlice) (*TOC, error) {
	......
	// indexTOCLen = 6*8+4 = 52
	b := bs.Range(bs.Len()-indexTOCLen, bs.Len())
	......
	return &TOC{
		Symbols:           d.Be64(),
		Series:            d.Be64(),
		LabelIndices:      d.Be64(),
		LabelIndicesTable: d.Be64(),
		Postings:          d.Be64(),
		PostingsTable:     d.Be64(),
	}, nil
}

Posting offset table 以及 Posting倒排索引

首先我們訪問的是Posting offset table。由於倒排索引按照不同的LabelPair(key/value)會有非常多的條目。所以Posing offset table就是決定到底訪問哪一條Posting索引。offset就是指的這一Posting條目在檔案中的偏移。

Series

我們通過三條Postings倒排索引索引取交集得出

{series1,Series2,Series3,Series4}
∩
{series1,Series2,Series3}
∩
{Series2,Series3}
=
{Series2,Series3}

也就是要讀取Series2和Serie3中的資料,而Posting中的Ref(Series2)和Ref(Series3)即為這兩Series在index檔案中的偏移。

Series以Delta的形式記錄了chunkId以及該chunk包含的時間範圍。這樣就可以很容易過濾出我們需要的chunk,然後再按照chunk檔案的訪問,即可找到最終的原始資料。

SymbolTable

值得注意的是,為了儘量減少我們檔案的大小,對於Label的Name和Value這些有限的資料,我們會按照字母序存在符號表中。由於是有序的,所以我們可以直接將符號表認為是一個
[]string切片。然後通過切片的下標去獲取對應的sting。考慮如下符號表:

讀取index檔案時候,會將SymbolTable全部載入到記憶體中,並組織成symbols []string這樣的切片形式,這樣一個Series中的所有標籤值即可通過切片下標訪問得到。

Label Index以及Label Table

事實上,前面的介紹已經將一個普通資料定址的過程全部講完了。但是index檔案中還包含label索引以及label Table,這兩個是用來記錄一個Label下面所有可能的值而存在的。
這樣,在正則的時候就可以非常容易的找到我們需要哪些LabelPair。詳情可以見前篇。

事實上,真正的Label Index比圖中要複雜一點。它設計成一條LabelIndex可以表示(多個標籤組合)的所有資料。不過在Prometheus程式碼中只會採用儲存一個標籤對應所有值的形式。

完整的index檔案結構

這裡直接給出完整的index檔案結構,摘自Prometheus中index.md文件。

┌────────────────────────────┬─────────────────────┐
│ magic(0xBAAAD700) <4b>     │ version(1) <1 byte> │
├────────────────────────────┴─────────────────────┤
│ ┌──────────────────────────────────────────────┐ │
│ │                 Symbol Table                 │ │
│ ├──────────────────────────────────────────────┤ │
│ │                    Series                    │ │
│ ├──────────────────────────────────────────────┤ │
│ │                 Label Index 1                │ │
│ ├──────────────────────────────────────────────┤ │
│ │                      ...                     │ │
│ ├──────────────────────────────────────────────┤ │
│ │                 Label Index N                │ │
│ ├──────────────────────────────────────────────┤ │
│ │                   Postings 1                 │ │
│ ├──────────────────────────────────────────────┤ │
│ │                      ...                     │ │
│ ├──────────────────────────────────────────────┤ │
│ │                   Postings N                 │ │
│ ├──────────────────────────────────────────────┤ │
│ │               Label Index Table              │ │
│ ├──────────────────────────────────────────────┤ │
│ │                 Postings Table               │ │
│ ├──────────────────────────────────────────────┤ │
│ │                      TOC                     │ │
│ └──────────────────────────────────────────────┘ │
└──────────────────────────────────────────────────┘

tombstones

由於Prometheus Block的資料一般在寫完後就不會變動。如果要刪除部分資料,就只能記錄一下刪除資料的範圍,由下一次compactor組成新block的時候刪除。而記錄這些資訊的檔案即是tomstones。

總結

Prometheus作為時序資料庫,設計了各種檔案結構來儲存海量的監控資料,同時還兼顧了效能。只有徹底瞭解其儲存結構,才能更好的指導我們應用它!

歡迎大家關注我公眾號,裡面有各種乾貨,還有大禮包相送哦!

相關文章