上篇提問

• Prometheus 的效能瓶頸，相關產品如何解決？
• Prometheus 的特色與其他時間序列資料庫的異同？

如何處理誤產生的時間序列資料？

上篇提到 Prometheus client 可能由於人為疏失產生錯誤的標籤，從而造成時間序列數爆增，如 endpoint=/query_order/?order_id=314。這時切勿直接刪除誤標的時間序列，更不要進 /data 刪除整個時間區間的資料。
細心的清理工作，可以透過以下方式進行：

1. 用 API /label 列出錯誤的時間序列
2. 視錯誤情形使用
   • label_replace 函數，將錯誤的標籤替換為正確的標籤，如 label_replace(http_requests_total, "endpoint", "$1", "endpoint", "/query_order/?order_id=(\d+)")。
   • promtool tsdb create-blocks-from rules 指令，以規則檔案修正時間序列。
3. 最後才是 /admin/tsdb/delete_series 和 /admin/tsdb/clean_tombstones 清理檔案

其他時間資料庫

Thanos

Thanos 主要增進查詢效能的方式是分治，PromQL 引擎會將長時間範圍的查詢切給不同線程處理。達成幾乎線性的加速。
另外 Thanos 還可以對較舊的資料做降採樣（有損資料壓縮），以降低儲存空間和查詢時的 IO。但需注意降採樣是有損的。比方說有一個計數器代表成交的訂單數量，如果樣本頻率從 15 秒變成 1 天，那未來就只能讀取每天（某固定時間點到隔天同一時間點）的訂單數量，無從得知白天或晚上生意比較好。

OpenTSDB

OpenTSDB 則是採用 Hadoop 或 HBase。Hadoop 和 HBase 自帶分散式儲存和運算的功能。分治的維度不限於時間區段，寫入的效能上限因此較高。

MongoDB