作为一款高性能的 OLAP 数据库,ClickHouse 被用于多种应用场景,包括
时间序列(time series)
数据的实时分析。其多样化的应用场景推动了大量
分析函数的发展,这些函数有助于查询大多数类型的数据。这些查询特性加上高压缩率使得越来越多的用户开始利用 ClickHouse 来存储可观测性数据。这类数据通常以三种常见形式存在:
日志(logs)
、
指标(metrics)
和
跟踪(traces)
记录。在这系列的博客文章中,我们将探讨如何收集、最优地存储、查询以及可视化这些
“支柱(pillars)”
。
快速基于 ClickHouse + Grafana 搭建可观测性解决方案 – 日志篇(ClickHouse 官方博客)
相关推荐
- AD 横向移动-LSASS 进程转储
- C#/.NET/.NET Core技术前沿周刊 | 第 41 期(2025年6.1-6.8)
- 现代 Python 包管理器 uv
- ArkUI-X与Android桥接通信之方法回调
- 商品中心—2.商品生命周期和状态的技术文档
- Benchmark论文解读:Evaluating the Ripple Effects of Knowledge Editing in Language Models
- WineHQ 发布的 Framework Mono 6.14 的这个特性对Windows Forms 用户来说肯定很感兴趣
- 不写一行代码 .NET 使用 FluentCMS 快速构建现代化内容管理系统(CMS)