statsd - StatsD 和 Riemann 有什么区别？哪一个在大型分布式系统上表现更好？

Question

StatsD 和 Riemann 有什么区别？哪一个在大规模分布式系统上表现更好？我们有一个基于 Java 构建的分布式平台，我们希望监控应用程序指标，也许还有一些警报。我们知道检测不是免费的，所以理想情况下，我们正在寻找一个高度可扩展的应用程序监控框架，它可以为我们的平台/应用程序增加最少的检测成本，并能够进行各种聚合等。我也知道我们可以构建两者结合的东西，但我想不出为什么？因为两者似乎都进行了聚合等等，但我无法确定哪一个更合适，或者为什么一个比另一个表现更好。如果有人可以分享他们对行业中这些工具的经验，那将是一个很大的帮助。

Answer 1

我没有关于 statsd 的确切数字，但 Github 的 Brubeck 帖子表明他们正在失去大约 40% 的 statsd 事件——我猜这些图表以秒为单位——25,000 个事件/秒。他们在 C 中替代 statsd 正在插入 430 万个事件/秒。 http://githubengineering.com/brubeck/

Riemann 不会在每个数据包的基础上与之竞争，但是在批量中，比如 10-100 个指标/消息，我听说多个生产用户报告了 1000 万个事件/秒。与 statsd 不同，Riemann 将扩展到所有可用的内核——我已经在测试中饱和了网络接口(interface)和我的盒子上的所有 48 个内核——但实际性能会因争用和你对流的处理方式而异。可能会慢很多。一切都取决于。

与 statsd 相比，Riemann 的事件模型更加丰富，可以进行任意计算。一个小的 Riemann 配置可以复制 statsd 的功能——但是当您需要多维汇总、状态转换检测、与各种其他存储和警报服务的集成、襟翼抑制、流量控制等等等时，Riemann 真的很出色。

这样做的代价是使用您的团队可能不熟悉的编程语言 - Clojure，并且必须更仔细地推理范围、状态，以及如果您正在编写自己的流，并发性。 Riemann 也没有被广泛部署，这在图书馆支持和招聘人员方面可能是一个缺点。