從Elasticsearch到Apache Doris，10倍性價比的新一代日志存儲分析平臺
本文導(dǎo)讀
ES 在日志場景的優(yōu)勢在于全文檢索能力，能快速從海量日志中檢索出匹配關(guān)鍵字的日志，其底層核心技術(shù)是倒排索引（Inverted Index）。倒排索引是一種用于快速查找文檔中包含特定單詞或短語的數(shù)據(jù)結(jié)構(gòu)，最早應(yīng)用于信息檢索領(lǐng)域。如下圖所示，在數(shù)據(jù)寫入時，倒排索引可以將每一行文本進(jìn)行分詞，變成一個個詞（Term），然后構(gòu)建詞（Term） -> 行號列表（Posting List） 的映射關(guān)系，將映射關(guān)系按照詞進(jìn)行排序存儲。當(dāng)需要查詢某個詞在哪些行出現(xiàn)的時候，先在 詞 -> 行號列表 的有序映射關(guān)系中查找詞對應(yīng)的行號列表，然后用行號列表中的行號去取出對應(yīng)行的內(nèi)容。這樣的查詢方式，可以避免遍歷對每一行數(shù)據(jù)進(jìn)行掃描和匹配，只需要訪問包含查找詞的行，在海量數(shù)據(jù)下性能有數(shù)量級的提升。
業(yè)界各類系統(tǒng)為了支持全文檢索和任意列索引，往往有兩種實現(xiàn)方式：一是通過外接索引系統(tǒng)來實現(xiàn)，原始數(shù)據(jù)存儲在原系統(tǒng)中、索引存儲在獨立的索引系統(tǒng)中，兩個系統(tǒng)通過數(shù)據(jù)的 ID 進(jìn)行關(guān)聯(lián)。數(shù)據(jù)寫入時會同步寫入到原系統(tǒng)和索引系統(tǒng)，索引系統(tǒng)構(gòu)建索引后不存儲完整數(shù)據(jù)只保留索引。查詢時先從索引系統(tǒng)查出滿足過濾條件的數(shù)據(jù) ID 集合，然后用 ID 集合去原系統(tǒng)查原始數(shù)據(jù)。這種架構(gòu)的優(yōu)勢是實現(xiàn)簡單，借力外部索引系統(tǒng)，對原有系統(tǒng)改動小。但是問題也很明顯：
高性能是 Apache Doris 倒排索引設(shè)計和實現(xiàn)的首要出發(fā)點，我們通過公開的測試數(shù)據(jù)集分別與 ES 以及 Clickhouse 進(jìn)行性能測試，測試效果如下：
日志數(shù)據(jù)的處理與分析是最典型的大數(shù)據(jù)分析場景之一，過去業(yè)內(nèi)以 Elasticsearch 和 Grafana Loki 為代表的兩類架構(gòu)難以同時兼顧高吞吐實時寫入、低成本海量存儲、實時文本檢索的需求。Apache Doris 借鑒了信息檢索的核心技術(shù)，在存儲引擎上實現(xiàn)了面向 AP 場景優(yōu)化的高性能倒排索引，對于字符串類型的全文檢索和普通數(shù)值、日期等類型的等值、范圍檢索具有更高效的支持，相較于 Elasticsearch 實現(xiàn)性價比 10 余倍的提升，以此為日志存儲與分析場景提供了更優(yōu)的選擇。
日志數(shù)據(jù)在企業(yè)大數(shù)據(jù)中非常普遍，其體量往往在企業(yè)大數(shù)據(jù)體系中占據(jù)非常高的比重，包括服務(wù)器、數(shù)據(jù)庫、網(wǎng)絡(luò)設(shè)備、IoT 物聯(lián)網(wǎng)設(shè)備產(chǎn)生的系統(tǒng)運維日志，與此同時還包含了用戶行為埋點等業(yè)務(wù)日志。
日志數(shù)據(jù)對于保障系統(tǒng)穩(wěn)定運行和業(yè)務(wù)發(fā)展至關(guān)重要：基于日志的監(jiān)控告警可以發(fā)現(xiàn)系統(tǒng)運行風(fēng)險，及時預(yù)警；在故障排查過程中，實時日志檢索能幫助工程師快速定位到問題，盡快恢復(fù)服務(wù)；日志報表能通過長歷史統(tǒng)計發(fā)現(xiàn)潛在趨勢。而用戶埋點日志數(shù)據(jù)則是用戶行為分析以及智能推薦業(yè)務(wù)所依賴的決策基礎(chǔ)，有助于用戶需求洞察與體驗優(yōu)化以及后續(xù)的業(yè)務(wù)流程改進(jìn)。由于其在業(yè)務(wù)中能發(fā)揮的重要意義，因此構(gòu)建統(tǒng)一的日志分析平臺，提供對日志數(shù)據(jù)的存儲、高效檢索以及快速分析能力，成為企業(yè)挖掘日志數(shù)據(jù)價值的關(guān)鍵一環(huán)。而日志數(shù)據(jù)和應(yīng)用場景往往呈現(xiàn)如下的特點：- 數(shù)據(jù)增長快：每一次用戶操作、系統(tǒng)事件都會觸發(fā)新的日志產(chǎn)生，很多企業(yè)每天新增日志達(dá)到幾十甚至幾百億條，對日志平臺的寫入吞吐要求很高；
- 數(shù)據(jù)總量大：由于自身業(yè)務(wù)和監(jiān)管等需要，日志數(shù)據(jù)經(jīng)常要存儲較長的周期，因此累積的數(shù)據(jù)量經(jīng)常達(dá)到幾百 TB 甚至 PB 級，而較老的歷史數(shù)據(jù)訪問頻率又比較低，面臨沉重的存儲成本壓力；
- 時效性要求高：在故障排查等場景需要能快速查詢到最新的日志，分鐘級的數(shù)據(jù)延遲往往無法滿足業(yè)務(wù)極高的時效性要求，因此需要實現(xiàn)日志數(shù)據(jù)的實時寫入與實時查詢。
- 高吞吐實時寫入：即需要保證日志流量的大規(guī)模寫入，又要支持低延遲可見；
- 低成本大規(guī)模存儲：系統(tǒng)自身可以存儲海量數(shù)據(jù)，且通過數(shù)據(jù)壓縮、冷熱分離等多種機制降低存儲成本；
- 高性能交互式分析且支持文本檢索：日志檢索的隨機性很強、很難提前預(yù)測模式，因此要求支持靈活的文本檢索，通過實時交互式查詢滿足分析需求。
- 以 ES 為代表的倒排索引檢索架構(gòu)，支持全文檢索、查詢性能好，因此在日志場景中被業(yè)內(nèi)大規(guī)模應(yīng)用，但其仍存在一些不足，包括實時寫入吞吐低、消耗大量資源構(gòu)建索引，且需要消耗巨大存儲成本；
- 以 Loki 為代表的輕量索引或無索引架構(gòu)，實時寫入吞吐高、存儲成本較低，但是檢索性能慢、關(guān)鍵時候查詢響應(yīng)跟不上，性能成為制約業(yè)務(wù)分析的最大掣肘。
ES 在日志場景的優(yōu)勢在于全文檢索能力，能快速從海量日志中檢索出匹配關(guān)鍵字的日志，其底層核心技術(shù)是倒排索引（Inverted Index）。倒排索引是一種用于快速查找文檔中包含特定單詞或短語的數(shù)據(jù)結(jié)構(gòu)，最早應(yīng)用于信息檢索領(lǐng)域。如下圖所示，在數(shù)據(jù)寫入時，倒排索引可以將每一行文本進(jìn)行分詞，變成一個個詞（Term），然后構(gòu)建詞（Term） -> 行號列表（Posting List） 的映射關(guān)系，將映射關(guān)系按照詞進(jìn)行排序存儲。當(dāng)需要查詢某個詞在哪些行出現(xiàn)的時候，先在 詞 -> 行號列表 的有序映射關(guān)系中查找詞對應(yīng)的行號列表，然后用行號列表中的行號去取出對應(yīng)行的內(nèi)容。這樣的查詢方式，可以避免遍歷對每一行數(shù)據(jù)進(jìn)行掃描和匹配，只需要訪問包含查找詞的行，在海量數(shù)據(jù)下性能有數(shù)量級的提升。
- ES 基于 Apache Lucene 構(gòu)建倒排索引，Apache Lucene 自 2000 年開源至今已有超過 20 年的歷史，設(shè)計之初主要面向信息檢索領(lǐng)域、功能豐富且復(fù)雜，而日志和大多數(shù) OLAP 場景只需要其核心功能，包括分詞、倒排表等，而相關(guān)度排序等并非強需求，因此存在進(jìn)一步功能簡化和性能提升的空間；
- ES 和 Apache Lucene 均采用 Java 實現(xiàn)，而 Apache Doris 存儲引擎和執(zhí)行引擎采用 C++ 開發(fā)并且實現(xiàn)了全面向量化，相對于 Java 實現(xiàn)具有更好的性能；
- 倒排索引并不能決定性能表現(xiàn)的全部，作為一個高性能、實時的 OLAP 數(shù)據(jù)庫，Apache Doris 的列式存儲引擎、MPP 分布式查詢框架、向量化執(zhí)行引擎以及智能 CBO 查詢優(yōu)化器，相較于 ES 更為高效。
業(yè)界各類系統(tǒng)為了支持全文檢索和任意列索引，往往有兩種實現(xiàn)方式：一是通過外接索引系統(tǒng)來實現(xiàn)，原始數(shù)據(jù)存儲在原系統(tǒng)中、索引存儲在獨立的索引系統(tǒng)中，兩個系統(tǒng)通過數(shù)據(jù)的 ID 進(jìn)行關(guān)聯(lián)。數(shù)據(jù)寫入時會同步寫入到原系統(tǒng)和索引系統(tǒng)，索引系統(tǒng)構(gòu)建索引后不存儲完整數(shù)據(jù)只保留索引。查詢時先從索引系統(tǒng)查出滿足過濾條件的數(shù)據(jù) ID 集合，然后用 ID 集合去原系統(tǒng)查原始數(shù)據(jù)。這種架構(gòu)的優(yōu)勢是實現(xiàn)簡單，借力外部索引系統(tǒng)，對原有系統(tǒng)改動小。但是問題也很明顯：- 數(shù)據(jù)寫入兩個系統(tǒng)，異常有數(shù)據(jù)不一致的問題，也存在一定冗余存儲；
- 查詢需在兩個系統(tǒng)進(jìn)行網(wǎng)絡(luò)交互有額外開銷，數(shù)據(jù)量大時用 ID 集合去原系統(tǒng)查性能比較低；
- 維護兩套系統(tǒng)的復(fù)雜度高，將系統(tǒng)的復(fù)雜性從開發(fā)測轉(zhuǎn)移到運維測；
數(shù)據(jù)庫內(nèi)置倒排索引
在選擇了在數(shù)據(jù)庫內(nèi)核中內(nèi)置倒排索引后，我們需要進(jìn)一步對 Apache Doris 索引結(jié)構(gòu)進(jìn)行分析，判斷能否通過在已有索引基礎(chǔ)上進(jìn)行拓展來實現(xiàn)。Apache Doris 現(xiàn)有的索引存儲在 Segment 文件的 Index Region 中，按照適用場景可以分為跳數(shù)索引和點查索引兩類：1. 跳數(shù)索引：包括 ZoneMap 索引和 Bloom Filter 索引。
- ZoneMap 索引對每一個數(shù)據(jù)塊和文件保存 Min/Max/isnull 等匯總信息，可以用于等值、范圍查詢的粗粒度過濾，只能排除不滿足查詢條件的數(shù)據(jù)塊和文件，不能定位到行，也不支持文本分詞。
- BloomFilter 索引也是數(shù)據(jù)塊和文件級別的索引，通過 Bloom Filter 判斷某個值是否在數(shù)據(jù)塊和文件中，同樣不能定位到行、不支持文本分詞；
- ShortKey 在排序的基礎(chǔ)上，根據(jù)給定的前綴列實現(xiàn)快速查詢數(shù)據(jù)的索引方式，能夠?qū)η熬Y索引的列進(jìn)行等值、范圍查詢，但不支持文本分詞，另外由于數(shù)據(jù)要按前綴索引排序、因此一個表只允許一組前綴索引。
- Bitmap 索引記錄數(shù)據(jù)值 -> 行號 Bitmap 的有序映射，是一種很基礎(chǔ)的倒排索引，但是索引結(jié)構(gòu)比較簡單、查詢效率不高、不支持文本分詞。
- 數(shù)據(jù)寫入和 Compaction 階段：在寫 Segment 文件的同時，同步寫入一個 Inverted Index 文件，文件路徑由 Segment ID + Index ID 決定。寫入 Segment 的 Row 和 Index 中的 Doc 一一對應(yīng)，由于同步順序?qū)懭?，Segment 中的 Rowid 和 Index 中的 Docid 完全對應(yīng)。
- 查詢階段：如果查詢 Where 條件中有建了倒排索引的列，會自動去 Index 文件中查詢，返回滿足條件的 Docid List，將 Docid List 一一對應(yīng)的轉(zhuǎn)成 Rowid Bitmap，然后走 Doris 通用的 Rowid 過濾機制只讀取滿足條件的行，達(dá)到查詢加速的效果。
Doris倒排索引架構(gòu)圖
這個設(shè)計的好處是已有的數(shù)據(jù)文件無需修改，可以做到兼容升級，而且增減索引不影響數(shù)據(jù)文件和其他索引，用戶增建索引沒有負(fù)擔(dān)。
通用倒排索引優(yōu)化
C++和向量化實現(xiàn)Apache Doris 使用 CLucene（https://clucene.sourceforge.net/） 作為底層的倒排索引庫，CLucene 是一個用 C++ 實現(xiàn)的高性能、穩(wěn)定的 Lucene 倒排索引庫，它的功能比較完整，支持分詞和自定義分詞算法，支持全文檢索查詢和等值、范圍查詢。Apache Doris 的存儲模塊和 CLucene 都用 C++ 實現(xiàn)，避免了Java Lucene 的 JVM GC 等開銷，同樣的計算 C++ 實現(xiàn)相對于 Java 性能優(yōu)勢明顯，而且更利于做向量化加速。Doris 倒排索引進(jìn)行了向量化優(yōu)化，包括分詞、倒排表構(gòu)建、查詢等，性能得到進(jìn)一步提升。整體來看 Doris 的倒排索引寫入速度可以超過單核 20MB/s，而 ES 的單核寫入速度不到 5MB/s，有 4 倍的性能優(yōu)勢。列式存儲和壓縮Lucene 本身是文檔存儲模型，主數(shù)據(jù)采用行存，而 Doris 中不同列的倒排索引是相互獨立的，因此倒排索引文件也采用列式存儲，有利于向量化構(gòu)建索引和提高壓縮率。采用壓縮比高且速度快的 ZSTD，通常可以達(dá)到 5 ~10倍的壓縮比，與常用的GZIP壓縮相比有50%以上的空間節(jié)省且速度更快。BKD 索引與數(shù)值、日期類型列優(yōu)化針對數(shù)值、日期類型的列，我們還實現(xiàn)了 BKD 索引，可以對范圍查詢提高性能，存儲空間也相對于轉(zhuǎn)成定長字符串更加高效，具有以下主要特性和優(yōu)勢：- 高效范圍查詢：BKD 索引采用多維數(shù)據(jù)結(jié)構(gòu)，為范圍查詢帶來高效率。它能迅速定位數(shù)值或日期類型列中所需的數(shù)據(jù)范圍，降低查詢時間復(fù)雜度。
- 存儲空間優(yōu)化：與其他索引方法相比，BKD 索引在存儲空間使用上更高效。通過聚合并壓縮相鄰數(shù)據(jù)塊，減少索引所需存儲空間，降低存儲成本。
- 多維數(shù)據(jù)支持：BKD 索引具備良好擴展性，支持多維數(shù)據(jù)類型，如地理坐標(biāo)（GEO point）和范圍（Range），使其在處理復(fù)雜數(shù)據(jù)類型時具有高適應(yīng)性。
- 優(yōu)化低基數(shù)場景：針對數(shù)值分布集中、單個數(shù)值倒排列表較多的低基數(shù)場景，我們調(diào)整了針對性的壓縮算法，降低大量倒排表解壓縮和反序列化所帶來的CPU性能消耗。
- 預(yù)查詢技術(shù)：針對查詢結(jié)果命中數(shù)較高的場景，我們采用預(yù)查詢技術(shù)進(jìn)行命中數(shù)預(yù)估。若命中數(shù)顯著超過閾值，可跳過索引查詢，直接利用Doris在大數(shù)據(jù)量查詢下的技術(shù)優(yōu)勢進(jìn)行數(shù)據(jù)過濾。
面向 OLAP 的倒排索引優(yōu)化
日志存儲和分析場景對檢索的需求很簡單，不需要特別復(fù)雜的功能（比如相關(guān)性排序），更需要降低存儲成本和快速按照條件查出數(shù)據(jù)。因此，在面對海量數(shù)據(jù)的寫入和查詢時，Apache Doris 還針對 OLAP 數(shù)據(jù)庫的特點優(yōu)化了倒排索引的結(jié)構(gòu)，使其更加簡潔高效。例如：- 在寫入流程保證不會多個線程寫入一個索引，從而避免寫入時多線程鎖競爭的開銷；
- 在存儲結(jié)構(gòu)上去掉了不必要的正排、norm 等文件，減少寫入 IO 開銷和存儲空間占用；
- 查詢過程中簡化相關(guān)性打分和排序邏輯，降低不必要的開銷，提升查詢性能。
- 指定分區(qū)構(gòu)建倒排索引，比如新增一個索引的時候指定最近7天的日志構(gòu)建索引，歷史數(shù)據(jù)不建索引
- 指定分區(qū)刪除倒排索引，比如刪除超過1個月的日志的索引，釋放訪問頻度低的索引存儲空間
高性能是 Apache Doris 倒排索引設(shè)計和實現(xiàn)的首要出發(fā)點，我們通過公開的測試數(shù)據(jù)集分別與 ES 以及 Clickhouse 進(jìn)行性能測試，測試效果如下：vs Elasticsearch
我們采用了 ES 官方的性能測試 Benchmark esrally 并使用其中的 HTTP Logs 日志，在同樣的硬件資源、數(shù)據(jù)、測試Case 以及測試工具下，記錄并對比各自的數(shù)據(jù)寫入時間、吞吐以及查詢延遲。- 測試數(shù)據(jù)：esrally HTTP Logs track 中自帶測試數(shù)據(jù)集，1998 年 World Cup HTTP Server Logs，未壓縮前 32G、共 2.47 億行、單行平均長度 134 字節(jié)；
- 測試查詢：esrally HTTP Logs 測試關(guān)鍵詞檢索、范圍查詢、聚合、排序等 11 個 Query，所有查詢跑 100 次串行執(zhí)行；
- 測試環(huán)境：3 臺 16C 64G 云主機組成的集群。
vs Clickhouse
Clickhouse 近期的 v23.1 版本也引入了類似 Feature，將倒排索引作為實驗性功能發(fā)布，因此我們同樣進(jìn)行了跟 Clickhouse 倒排索引的性能對比。在本次測試中，我們采用了 Clickhouse 官方 Inverted Index 介紹博客中使用的 Hacker News 樣例數(shù)據(jù)以及查詢 SQL ，同樣保持相同的物理資源、數(shù)據(jù)、測試 Case 以及測試工具。（參考文章：https://clickhouse.com/blog/clickhouse-search-with-inverted-indices）- 測試數(shù)據(jù)：Hacker News 2873 萬條數(shù)據(jù)，6.7G，Parquet 格式；
- 測試查詢：3 個查詢，分別查詢 'clickhouse'、'olap' OR 'oltp'、'avx' AND 'sve' 等關(guān)鍵字出現(xiàn)的次數(shù)；
- 測試機器：1 臺 16C 64G 云主機
-
INDEX idx_comment (`comment`)指定對 comment 列建一個名為idx_comment的索引 -
USING INVERTED指定索引類型為倒排索引 -
PROPERTIES("parser" = "english")指定分詞類型為英文分詞
CREATETABLEhackernews_1m ( `id`BIGINT, `deleted`TINYINT, `type`String, `author`String, `timestamp`DateTimeV2, `comment`String, `dead`TINYINT, `parent`BIGINT, `poll`BIGINT, `children`Array<BIGINT>, `url`String, `score`INT, `title`String, `parts`Array<INT>, `descendants`INT, INDEXidx_comment(`comment`)USINGINVERTEDPROPERTIES("parser"="english")COMMENT'invertedindexforcomment' ) DUPLICATEKEY(`id`) DISTRIBUTEDBYHASH(`id`)BUCKETS10 PROPERTIES("replication_num"="1");注：對于已經(jīng)存在的表，也可以通過ADD INDEX idx_comment ON hackernews_1m(`comment`) USING INVERTED PROPERTIES("parser" = "english")來增加索引。值得一提的是，和 Doris 原先存儲在 Segment 數(shù)據(jù)文件中的智能索引和二級索引相比，增加倒排索引的過程只會讀 comment 列構(gòu)建新的倒排索引文件，不會讀寫原有的其他數(shù)據(jù)，效率有明顯提升。2. 導(dǎo)入數(shù)據(jù)后查詢，使用
MATCH_ALL在comment這一列上匹配 OLAP 和 OLTP 兩個詞，和LIKE掃描硬匹配相比，查詢性能有十余倍的提升。（這僅是 100 萬條數(shù)據(jù)下的測試效果，而隨著數(shù)據(jù)量增大、性能提升越明顯）mysql>SELECTcount()FROMhackernews_1mWHEREcommentLIKE'%OLAP%'ANDcommentLIKE'%OLTP%'; +---------+ |count()| +---------+ |15| +---------+ 1rowinset(0.13sec) mysql>SELECTcount()FROMhackernews_1mWHEREcommentMATCH_ALL'OLAPOLTP'; +---------+ |count()| +---------+ |15| +---------+ 1rowinset(0.01sec)更多詳細(xì)功能介紹和測試步驟可以參考Apache Doris 倒排索引官方文檔：https://doris.apache.org/zh-CN/docs/dev/data-table/index/inverted-index/
審核編輯 ：李倩
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
日志
+關(guān)注
關(guān)注
0文章
138瀏覽量
10626 -
數(shù)據(jù)類型
+關(guān)注
關(guān)注
0文章
236瀏覽量
13596 -
數(shù)組
+關(guān)注
關(guān)注
1文章
412瀏覽量
25880
原文標(biāo)題：從 Elasticsearch 到 Apache Doris，10 倍性價比的新一代日志存儲分析平臺｜新版本揭秘
文章出處：【微信號：OSC開源社區(qū)，微信公眾號：OSC開源社區(qū)】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
存儲芯片大反彈，三星一季度利潤暴漲近10倍
了過去的頹勢，結(jié)束了從2022年第三季度以來開始的下滑趨勢。 ? 另一方面，受益于智能手機及人工智能的發(fā)展，導(dǎo)致數(shù)據(jù)中心服務(wù)器需求大增，包括商用存儲的緊缺，都讓三星業(yè)績得以大幅增長。 ? ? 三星Q1 利潤暴增近
日志篇：模組日志總體介紹
?今天我們學(xué)習(xí)合宙模組日志總體介紹，以下進(jìn)入正文。 一、本文討論的邊界 本文是對合宙 4G 模組， 以及 4G+GNSS 模組的日志功能的總體介紹。通過日志，可以對研發(fā)過程中，以及模組
啟明信息完成國產(chǎn)化Doris數(shù)據(jù)庫升級替代任務(wù)
近日，隨著集團公司監(jiān)控平臺（Elasticsearch集群）的下線，標(biāo)志著啟明信息正式完成國產(chǎn)化Doris數(shù)據(jù)庫升級替代任務(wù)。該項目既標(biāo)志著啟明信息信創(chuàng)升級替代邁入新臺階，同時也標(biāo)志著在Dor
用OPA695做了10倍放大，從1Mhz到100Mhz放大倍數(shù)一直在縮小，還失真，為什么？
我用OPA695做了10倍放大 但是從1Mhz到100Mhz放大倍數(shù)一直在縮小，而且還失真，OPA694壓擺率4500應(yīng)該不會失真啊！PC
發(fā)表于 08-27 06:31
統(tǒng)一日志數(shù)據(jù)流圖
統(tǒng)一日志數(shù)據(jù)流圖 日志系統(tǒng)數(shù)據(jù)流圖 系統(tǒng)進(jìn)行日志收集的過程可以分為三個環(huán)節(jié)： (1)日志收集和導(dǎo)入ElasticSearch (2)
th4521在0輸入時，251倍放大倍數(shù)，25℃到130℃時輸出從10mv到0.35v是什么原因引起的？
th4521在0輸入時，251倍放大倍數(shù)，25℃到130℃時輸出從10mv到0.35v，是什么原因引起的，怎么解決？
發(fā)表于 08-14 06:49
鐵威馬教程 如何收集NAS的日志
一：使用Putty等工具登錄NAS命令行終端。 步驟二：修改日志存儲的位置 2.1.執(zhí)行以下命令： ? 代碼：
浪潮信息推出基于新一代分布式存儲平臺AS13000G7的AIGC存儲解決方案
6月28日，浪潮信息“元腦中國行”全國巡展杭州站順利舉行。會上，浪潮信息重磅推出基于新一代分布式存儲平臺AS13000G7的AIGC存儲解決方案。通過加持EPAI/AIStation的
ABB推出新一代機器人控制平臺OmniCore
ABB近日發(fā)布了其新一代機器人控制平臺——OmniCore，標(biāo)志著機器人技術(shù)的一大飛躍。這款全新的控制平臺相較于ABB之前的IRC5控制器，實現(xiàn)了顯著的性能提升。
Rokid正式發(fā)布新一代AR Lite空間計算套裝
Rokid正式發(fā)布新一代AR Lite空間計算套裝，包括Rokid Max2眼鏡和搭載驍龍平臺的Rokid Station2主機。
銀河麒麟與英特爾攜手引領(lǐng)新一代私有云平臺
近日，銀河麒麟云底座操作系統(tǒng)V10與第五代英特爾?至強?可擴展處理器達(dá)成強大的技術(shù)融合。這一合作不僅為數(shù)據(jù)中心用戶提供了構(gòu)建新一代私有云平臺
單片機斷電記憶日志 多串口助手波形圖像彩色日志 Stm32嵌入式FLASH保存日志管理工具
特點如下：
使用空格分隔各個日志元素，不能調(diào)換元素的順序。
最少包含日志等級（LL）和文字信息（LT）。
日志緩沖（LB）表示為LL+LT4+文字，其中LT4表示4位數(shù)值從000
發(fā)表于 01-19 11:28
Apache Doris聚合函數(shù)源碼解析
筆者最近由于工作需要開始調(diào)研 Apache Doris，通過閱讀聚合函數(shù)代碼切入 Apache Doris 內(nèi)核，同時也秉承著開源的精神，開發(fā)了 array_agg 函數(shù)并貢獻(xiàn)給社區(qū)。
什么是Apache日志？Apache日志分析工具介紹
Apache Web 服務(wù)器在企業(yè)中廣泛用于托管其網(wǎng)站和 Web 應(yīng)用程序，Apache 服務(wù)器生成的原始日志提供有關(guān) Apache 服務(wù)器托管的網(wǎng)站如何處理用戶請求以及訪問您的網(wǎng)站時
工商網(wǎng)監(jiān)
評論