摘要：Datadog 推出了 Monocle，这是一个用 Rust 编写的、新型的实时时间序列存储引擎。该系统统一了公司的度量指标存储基础设施，提供了更高的数据摄入吞吐量和更低的查询延迟，同时降低了运维复杂性。Monocle 取代了他们的历代存储后端，解决了随时间积

作者 | Leela Kumili

译者 | 张卫滨

Datadog 推出了 Monocle，这是一个用 Rust 编写的、新型的实时时间序列存储引擎。该系统统一了公司的度量指标存储基础设施，提供了更高的数据摄入吞吐量和更低的查询延迟，同时降低了运维复杂性。Monocle 取代了他们的历代存储后端，解决了随时间积累的并发挑战和扩展性限制。

Datadog 存储基础设施的早期设计将责任分散在多个系统之间。度量指标数据被写入实时数据库（Real-Time Database，RTDB），它存储了元组，而索引数据库则维护标识符和标签。存储路由器将指标定向到 RTDB 节点，查询在 RTDB 和索引节点之间展开。每个节点都包含用于摄入、存储、快照、查询和限流的子系统，所有这些都通过共享的控制平面进行协调。

实时度量指标存储架构的高层概述（来源：Datadog 工程博客）

RTDB 的这种架构经历了几次迭代。第一代依赖于 Cassandra 实现高写入吞吐，但是查询灵活性有限。随后是基于 Redis 的设计，这提高了响应性，但遇到了持久性和单线程执行的问题。MDBM 是一个内存映射的键 - 值存储，提供了更好的操作系统缓存使用，但遇到了可扩展性的瓶颈。随后，基于 Go 的 B+ 树引擎采用了 每个核心一个线程（thread-per-core）的模型，增加了并发性，但也增加了复杂性。后来，RocksDB 提供了持久性，并通过 DDSketch 支持分布式指标，不过在扩展方面仍然存在挑战。

Monocle 将这些先前的方法整合到了一个统一的基于 Rust 的引擎中。它采用了每个核心一个分片，每个分片一个工作者（shard-per-core，worker-per-shard）的模型，每个存储工作者管理自己的 日志结构化合并树（LSM 树）实例，以摄入数据、提供查询服务和执行后台任务，如压缩。设计采用了早期的分片存储：通过其时间序列键标识每个数据单元，它们被分配到一个分片上，确保 CPU 核心之间的负载分布均匀。正如 Datadog 工程师所指出的，“这种每个核心一个分片，异步工作器模型是 RTDB 的基础。”设计消除了写入路径上的锁和原子操作，减少了争用，而 Rust 的内存保证了安全性和并发性。

Monocle 的内部组件来源：Datadog 工程博客)

该引擎将数据摄取、存储与查询处理整合于单一系统中。写入操作通过内存表缓冲，并采用受 LSM 树启发的压缩机制实现持久化。基数树缓冲区加速聚合操作，统一缓存则降低查询延迟。数据按时间分段存储，每段采用最近最少使用（LRU）策略，在保留最相关查询的同时驱逐过期查询，确保系统在高负载下仍保持数据新鲜度与响应能力。

Datadog 报告的性能基准测试显示了显著的收益。Monocle 实现了数据摄入吞吐量的 60 倍增加，高峰时查询延迟的 5 倍减少，与早期系统相比成本效率提高了一倍。这些改进归因于每个核心一个分片的并发模型、Rust 的效率以及在写入和查询路径上的优化。

Datadog 的工程师指出，Rust 重写和模块化设计的另一项关键优势在于：为 Monocle 开发的组件现正被复用到 Datadog 的其他系统中，这既提升了可维护性，又增强了平台范围的一致性。

原文链接：

Datadog Launches Monocle, a Unified Rust-Powered Real-Time Metrics Engine(https://www.infoq.com/news/2025/09/datadog-monocle-timeseries-db/)

声明：本文为 InfoQ 翻译，未经许可禁止转载。

今日好文推荐

来源：极客邦科技