先算一笔账:Prometheus 的内存账单有点贵
上一篇我们用 Prometheus 把指标抓了起来,跑是能跑,但账要算清楚。一台 1 核 1G 的小 VPS,系统和杂七杂八的服务先吃掉三四百 MB,Prometheus 本体再稳稳占住两三百 MB 起步,指标一多、保留时间一拉长,内存曲线就跟着往上爬,时不时还要和 OOM Killer 打个照面。监控本来是给业务保命的,结果它自己先成了内存大户,这笔账怎么算都不划算。
VictoriaMetrics 就是冲着这笔账来的:同样是存监控指标,它的内存和磁盘占用明显比 Prometheus 低一截,单机就能把数据留上一年半载。对小机器来说,省下来的内存就是能多跑一个服务的余量,这才是它真正的卖点。
它是什么:一个二进制解决存储
VictoriaMetrics 是一个用 Go 写的时序数据库,最大的特点是简单:核心就是一个二进制文件,官方镜像 victoriametrics/victoria-metrics 拉下来就能跑,默认监听 8428 端口,不需要外挂任何依赖。它有单机版和集群版两种形态,集群版是把读写和存储拆开横向扩展的,几台小 VPS 的规模根本用不上,本文只讲单机版(社区里常叫 vmsingle)。
它和 Prometheus 生态的关系可以概括为「全面兼容、局部替代」:
- 写入兼容:Prometheus 可以通过 remote_write 直接把数据写进来;也可以让它自己的 vmagent 按 Prometheus 的 scrape 配置去抓取目标,连 Prometheus 本体都省了。
- 查询兼容:查询语言叫 MetricsQL,语法兼容 PromQL 并做了一些扩展,原来写的 PromQL 表达式基本可以原样搬过来。
- 自带界面:内置一个叫 vmui 的简易 Web 界面,能查指标、看表达式结果,临时排障够用,正式看板还是交给 Grafana。
- 同生态组件:vmagent 负责采集抓取,vmalert 负责执行告警规则并把告警发给 Alertmanager,整条链和 Prometheus 那套一一对应。
Docker Compose 部署
先只起存储本体,两个关键参数要记牢:-storageDataPath 是数据落盘目录,-retentionPeriod 是数据保留时长。
services: victoriametrics: image: victoriametrics/victoria-metrics:latest container_name: victoriametrics command: - "-storageDataPath=/storage" - "-retentionPeriod=12" - "-httpListenAddr=:8428" ports: - "127.0.0.1:8428:8428" volumes: - ./vmdata:/storage restart: unless-stopped启动后浏览器打开 http://服务器IP:8428/vmui 就是自带界面。这里的 -retentionPeriod=12 按官方口径是保留 12 个月,写 365d 效果一样,这个参数的单位坑后面排障部分会专门讲。
如果采集端也想一起换掉,再把 vmagent 加进同一个 Compose 文件。它读取的 scrape 配置格式与 Prometheus 的 prometheus.yml 兼容,原来给 Prometheus 写的抓取任务可以直接复用:
vmagent: image: victoriametrics/vmagent:latest container_name: vmagent command: - "-promscrape.config=/etc/vmagent/scrape.yml" - "-remoteWrite.url=http://victoriametrics:8428/api/v1/write" volumes: - ./scrape.yml:/etc/vmagent/scrape.yml:ro restart: unless-stopped depends_on: - victoriametricsscrape.yml 的写法和 Prometheus 完全一致,job_name、static_configs、targets 照抄即可。vmagent 抓到数据后通过 remote_write 推给 VictoriaMetrics,自己只保留很小的缓冲队列,内存占用比 Prometheus 本体低得多,这也是它能替代 Prometheus 做采集的原因。
启动后先做两个验证:执行 curl http://127.0.0.1:8428/health,返回 OK 说明存储本体活着;过几分钟去 vmui 里查任意一个 exporter 的指标,能出曲线就说明写入链路通了。vmagent 那边看它 8429 端口的 /targets 页面,每个抓取目标的健康状态和最后抓取时间都列在那里,比翻日志直观得多。
两条写入路线,怎么选
把数据送进 VictoriaMetrics 有两条路,按你现在的家底选:
路线一:vmagent 直接抓取。 适合新装或者愿意换掉 Prometheus 的场景。node_exporter、cAdvisor 这些 exporter 照常跑,vmagent 按 scrape 配置挨个抓,写进 VictoriaMetrics。链路最短,组件最少,资源占用也最低。
路线二:Prometheus remote_write 转发。 适合已经有一套 Prometheus 在跑、暂时不想动采集层的场景。在 Prometheus 的配置里加一段:
remote_write: - url: http://127.0.0.1:8428/api/v1/writePrometheus 照常抓取,同时把数据实时转发一份到 VictoriaMetrics。过渡期可以两边各存一份,等 Grafana 的数据源切过去、确认查询无误后,再把 Prometheus 停掉、采集层换成 vmagent,存储就彻底迁完了。两条路线不冲突,迁移过程可以平滑衔接,不需要停机切换。
查询与看板:Grafana 几乎零成本
MetricsQL 兼容 PromQL,所以 Grafana 那边不需要学新东西:添加数据源时类型仍然选 Prometheus,URL 填 http://服务器IP:8428 就行,Grafana 会自己在后面拼 /api/v1 的查询路径。之前给 Prometheus 做的看板、变量和告警表达式,换个数据源就能继续用。查询侧的迁移成本基本为零,换的只是底层存储,这是它比很多同类方案省事的地方。
临时查数据则用 vmui 更快:打开 /vmui,输入表达式就能看曲线,还能浏览当前库里都有哪些指标名,比对着文档猜指标名方便得多。
有个细节先提醒:MetricsQL 在 PromQL 之外补了些扩展,比如多了处理缺失值的 default 运算符、部分函数的默认行为也更宽容。迁移后如果某个老表达式跑出的结果和原来对不上,先去对照 MetricsQL 的文档,多半是这类细节差异,而不是数据本身出了问题。
告警链:vmalert 接 Alertmanager
VictoriaMetrics 本体只管存储和查询,告警规则由同生态的 vmalert 执行:它定时拿规则文件里的表达式去查 VictoriaMetrics,触发后把告警发给 Alertmanager,后续的分组、抑制、通知渠道都和 Prometheus 那套完全一样,规则文件的语法也兼容 Prometheus 的告警规则格式。如果你暂时还留着 Prometheus + Alertmanager 的组合,也可以先只换存储,告警链原样不动,等稳定后再考虑把规则执行迁到 vmalert。
vmalert 的启动方式同样是一个容器加几个参数:-datasource.url 指向 VictoriaMetrics 的 8428 端口,-rule 指向规则文件,-notifier.url 指向 Alertmanager 的 9093 端口。规则文件就是 Prometheus 的 YAML 告警规则格式,原来给 Prometheus 写的可以直接搬过来,上手成本很低。
与 Prometheus 对比
| 维度 | Prometheus | VictoriaMetrics(单机版) |
|---|---|---|
| 资源占用 | 内存随指标量上涨明显,小机器吃紧 | 同等数据量下内存与磁盘占用明显更低 |
| 查询语言 | PromQL | MetricsQL,兼容 PromQL 并有扩展 |
| 生态 | exporter、看板、文档最齐全,事实标准 | 兼容 Prometheus 的写入与查询生态,自身组件较新 |
| 高可用 | 本地存储单机为主,高可用靠双写等外部方案 | 单机版无高可用,集群版可扩展但部署复杂 |
| 告警链 | 本体执行规则 + Alertmanager | vmalert 执行规则 + Alertmanager |
结论很直白:Prometheus 胜在生态和资料,VictoriaMetrics 胜在资源账单。如果你的瓶颈是「机器太小、数据留不久」,换存储比换更大的机器划算;如果你的场景复杂、依赖大量 Prometheus 周边工具,那继续用 Prometheus 也没问题。舰队里多台机器汇总监控的场景,可以配合舰队总览那篇一起看。
从 Prometheus 迁移的推荐路径
不用一步到位,按三步走最稳:
- 先部署 VictoriaMetrics,用 remote_write 让 Prometheus 转发一份数据过来,双写观察几天,确认磁盘占用和查询结果都正常。
- 把 Grafana 的数据源切到 VictoriaMetrics,看板和告警表达式逐个验一遍,重点看用了 PromQL 函数的面板在 MetricsQL 下结果是否一致。
- 采集层从 Prometheus 换成 vmagent,scrape 配置直接复用;Prometheus 下线,迁移完成。
历史数据如果想一并搬走,可以用官方的 vmctl 工具从 Prometheus 的数据目录导入,也可以走导入接口批量灌入,排障部分会提到入口。只是补历史曲线的话,其实双写跑上一两周,新库的数据也就够用了,历史包袱不搬也行。
WARNING两个安全与可靠性的提醒必须说在前面。第一,8428 端口本身没有任何鉴权,和 Prometheus 一样,谁能访问这个端口谁就能查全部指标、甚至调用管理接口删数据,所以务必像上面的 Compose 示例那样只绑
127.0.0.1,对外访问走反向代理加认证或者干脆只在内网开放,绝不能把 8428 裸奔在公网。第二,单机版没有高可用,数据就一份躺在本地磁盘上,盘坏了监控历史就全没了,重要环境记得把vmdata目录纳入定期备份,或者至少接受「监控数据丢了不致命」这个前提再上单机。
排障
Grafana 连不上或查不到数据。 先确认数据源类型选的是 Prometheus、URL 只写到端口为止。很多人习惯性地把地址写成 http://服务器IP:8428/api/v1,结果 Grafana 又在后面拼了一段路径,请求落到不存在的地址上,表现就是数据源测试报错或者面板全空。vmsingle 的 Prometheus 兼容接口就在根路径下,URL 写 http://服务器IP:8428 即可;容器间互访时把 IP 换成服务名 http://victoriametrics:8428。
retention 参数单位不对,数据被提前删了。 这是最常见的坑:-retentionPeriod 的纯数字按「月」计算,不是天。写 12 是留 12 个月,写 1 是只留 1 个月;想按天控制就老老实实写带单位的形式,比如 90d、365d。从 Prometheus 迁过来的人最容易在这里栽跟头,Prometheus 的 --storage.tsdb.retention.time=15d 写惯了,到这边顺手填个数字,数据一个月就没了。改完参数记得重启容器才生效。
vmagent 抓不到目标。 先看 vmagent 的日志和它自带的 /targets 页面(默认 8429 端口),抓取失败的目标和报错原因都列在那里,九成是目标地址不通或者 scrape 配置缩进写错。配置格式兼容不等于可以乱改,scrape_configs 的层级要和 Prometheus 时一模一样。
导入历史数据。 官方工具 vmctl 支持从 Prometheus、InfluxDB 等来源迁移数据,命令是 vmctl prometheus --vm-addr=http://服务器IP:8428 并指向 Prometheus 的数据目录;少量补数据也可以直接往 /api/v1/import/prometheus 接口 POST 文本格式的指标。导入时注意时间戳单位是毫秒,别把秒级时间戳灌进去,否则数据会落到 1970 年附近,怎么查都查不到。
磁盘涨得比预期快。 先去 vmui 里看各指标的基数(cardinality),监控数据占空间的大头从来不是时间跨度,而是标签组合爆炸:某个指标带了高基数标签(比如把请求 ID、完整 URL 当标签),数据量会指数级膨胀。解决办法是在 vmagent 的 scrape 配置里用 metric_relabel_configs 把这类标签丢掉,而不是一味调大磁盘。
小结
VictoriaMetrics 的定位很清楚:它不试图取代 Prometheus 的整个生态,而是把其中最吃资源的那一环——存储——做得更便宜。单二进制部署、兼容 remote_write 写入、兼容 PromQL 查询、vmagent 和 vmalert 补齐采集与告警,让它在小机器上成了一个非常务实的选择。1 核 1G 的 VPS 想把监控数据留上一年,Prometheus 做不到的事,它能做。选型结论就是一句话:机器小、想留长、生态依赖不深,直接上 VictoriaMetrics;反之,留在 Prometheus 也完全没问题。