Grafana Labs開(kāi)源持續(xù)分析數(shù)據(jù)庫(kù)Phlare和前端可觀測(cè)性庫(kù)Faro

Grafana Labs 近日開(kāi)源了兩個(gè)新項(xiàng)目，分別是用于大規(guī)模持續(xù)性能分析 （Continuous Profiling） 的開(kāi)源數(shù)據(jù)庫(kù) Phlare，以及用于前端應(yīng)用可觀測(cè)性的 Faro。

Grafana Phlare

Grafana Phlare 是一個(gè)用于聚合持續(xù)分析 （Continuous Profiling） 數(shù)據(jù)的開(kāi)源項(xiàng)目，它可以和 Grafana 完全集成，允許你與其他可觀察信號(hào)相關(guān)聯(lián)。

Grafana Labs 介紹道，Profiling 可用于分析程序的資源使用情況，進(jìn)而幫助開(kāi)發(fā)者優(yōu)化程序的性能和成本。但當(dāng)下主流的分布式云原生架構(gòu)讓 Profiling 這件事變得更加復(fù)雜，從而產(chǎn)生了對(duì)持續(xù)分析 （Continuous Profiling） 的需求，其中有關(guān)資源使用情況的信息會(huì)在整個(gè)計(jì)算基礎(chǔ)設(shè)施中定期自動(dòng)收集，然后壓縮并存儲(chǔ)為時(shí)間序列數(shù)據(jù)，這使開(kāi)發(fā)者能夠可視化查看隨時(shí)間的變化并放大與感興趣的時(shí)間段相匹配的 profile 文件 —— 例如，CPU 在其利用率最高時(shí)所花費(fèi)的時(shí)間，或函數(shù)調(diào)用的頻率和持續(xù)時(shí)間。

Grafana Labs 稱 “Continuous Profiling” 是除 metrics， logs 和 traces 之外的可觀測(cè)性第四大支柱。

Phlare 使用諸如 Amazon S3、Google Cloud Storage、Azure Blob Storage、OpenStack Swift，以及任何與 S3 兼容的對(duì)象存儲(chǔ)，因此開(kāi)發(fā)者可以使用較低廉的存儲(chǔ)來(lái)存放所有歷史記錄，Phlare 還提供多租戶和隔離功能集，可供團(tuán)隊(duì)或業(yè)務(wù)部門運(yùn)行獨(dú)立數(shù)據(jù)庫(kù)。

Phlare 運(yùn)行流程

Phlare 架構(gòu)

（圖片來(lái)源：https://xie.infoq.cn）

Grafana Faro

Grafana Faro 是用于收集有關(guān) Web 應(yīng)用程序前端運(yùn)行狀況數(shù)據(jù)的開(kāi)源函數(shù)庫(kù)，開(kāi)發(fā)者將其提供的 Grafana Faro Web SDK 嵌入到前端應(yīng)用程序，該程序就會(huì)自動(dòng)開(kāi)始收集日志、錯(cuò)誤和性能指標(biāo)，然后添加元數(shù)據(jù)以便找到有用的條目，并將其轉(zhuǎn)發(fā)到 Grafana 代理（需啟用集成的應(yīng)用程序代理接收器），然后它可以將這些數(shù)據(jù)發(fā)送到 Prometheus、Grafana Loki 或 Grafana Tempo。

如下圖所示：

Faro 運(yùn)行流程

Grafana Labs 表示，過(guò)去開(kāi)發(fā)者可以使用 Grafana 來(lái)監(jiān)控基礎(chǔ)設(shè)施，并使用 OpenTelemetry 來(lái)監(jiān)控 API，但是前端應(yīng)用程序缺乏監(jiān)控解決方案，因此開(kāi)發(fā)者無(wú)法掌握終端用戶的實(shí)際使用狀況，現(xiàn)在 Faro 填補(bǔ)了這個(gè)空缺。

Faro 還提供了事件 API，可用于捕獲用戶事件，讓開(kāi)發(fā)者能夠重建終端用戶在應(yīng)用程序的使用歷程，以了解用戶與應(yīng)用程序的交互方式。

審核編輯 ：李倩