每日十万亿样本:Databricks超越传统监控基础设施的扩展实践
Databricks构建了名为Pantheon的自研时序数据库,支撑每日10万亿监控样本,通过分层存储、指标聚合与Lakehouse集成,解决多云高基数场景下的扩展瓶颈。
入选理由:自研Pantheon基于Thanos改造,支撑每日10万亿样本与50亿活跃时序,降低云成本数百万美元。
概念
别名:prometheus query language
Prometheus查询语言,用于时间序列数据分析
已跟踪 3 条高相关材料
最近变化
2026-08-20 · 保存查询功能支持跨团队共享和标签管理,减少重复查询开发工作量
为什么值得关注
PromQL 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
10 trillion samples a day: Scaling beyond traditional monitoring infra at Databricks
Databricks · 9.2 分
Databricks构建了名为Pantheon的自研时序数据库,支撑每日10万亿样本的监控规模,通过分层存储、指标聚合与Lakehouse集成,解决了传统监控系统在多云、高基数、高 churn 环境下的扩展瓶颈。
Grafana 13.2 release: easier ways to query and explore your data
Grafana Labs · 8.5 分
Grafana 13.2通过保存查询功能和View面板侧边栏优化团队协作,提升数据探索效率。
当 Codex 成为主力,软件工程的重心已经变了
掘金本周最热 · 8.5 分
当 Codex 成为主力后,软件工程的核心已从写代码转向设计智能体的运行环境与反馈机制。OpenAI 实验表明,通过结构化约束、运行态可见性与自动化验证,团队可实现10倍于传统开发的成本效率提升。
已收录 3 条与 PromQL 相关的内容,按评分排序。
Databricks构建了名为Pantheon的自研时序数据库,支撑每日10万亿监控样本,通过分层存储、指标聚合与Lakehouse集成,解决多云高基数场景下的扩展瓶颈。
入选理由:自研Pantheon基于Thanos改造,支撑每日10万亿样本与50亿活跃时序,降低云成本数百万美元。
Grafana 13.2通过保存查询功能和View面板侧边栏优化团队协作,提升数据探索效率。
入选理由:保存查询功能支持跨团队共享和标签管理,减少重复查询开发工作量
当 Codex 成为主力后,软件工程的核心已从写代码转向设计智能体的运行环境与反馈机制。
入选理由:Codex 在5个月内生成100万行代码,交付成本仅为手工编码的1/10。