Ich suche eine Alternative zu ELK, und das Datenbank-Backend sollte auf PostgreSQL basieren.
Erforderliche Funktionen:
Ich bin sehr begeistert von TimescaleDB, einer Erweiterung von Postgres, die Hypertabellen erstellt, die die ganze Magie der Zeitreihenpartitionierung handhaben und angeblich eine enorme Skalierung für den Schreibdurchsatz bringen. Wir werden einen POC mit diesem versuchen:
Hier sind einige relevante Links, um die Diskussion über "Können relationale Datenbanken für Zeitreihendaten verwendet werden" einzurahmen
https://conferences.oreilly.com/strata/strata-ca/public/schedule/detail/63950
https://blog.timescale.com/time-series-data-postgresql-10-vs-timescaledb-816ee808bac5
https://blog.timescale.com/tutorial-installing-timescaledb-on-aws-c8602b767a98
https://blog.timescale.com/choose-postgresql-for-iot-19688efc60ca
http://www.timescale.com/papers/timescaledb.pdf
Scrollen Sie zu Folien. Wow https://www.percona.com/live/17/sessions/building-scalable-time-series-database-postgresql
Ich habe Rötel entdeckt
Hier der Anfang der README
README STARTEN
Redash ist unser Ansatz, die Daten in unserem Unternehmen auf eine Weise freizugeben, die besser zu unserer Kultur und unseren Nutzungsmustern passt.
Vor Redash haben wir versucht, herkömmliche BI-Suiten zu verwenden, und dabei eine Reihe aufgeblähter, technisch anspruchsvoller und langsamer Tools/Flows entdeckt. Was wir suchten, war eine eher hackerartige Art, Daten zu betrachten, also haben wir eine entwickelt.
Redash wurde entwickelt, um einen schnellen und einfachen Zugriff auf Milliarden von Datensätzen zu ermöglichen, die wir mit Amazon Redshift verarbeiten und sammeln („Data Warehouse im Petabyte-Bereich“, das PostgreSQL „spricht“). Heute unterstützt Redash die Abfrage mehrerer Datenbanken, darunter: Redshift, Google BigQuery, PostgreSQL, MySQL, Graphite, Presto, Google Spreadsheets, Cloudera Impala, Hive und benutzerdefinierte Skripte.
Redash besteht aus zwei Teilen:
Abfrage-Editor : Denken Sie an JS Fiddle für SQL-Abfragen. Auf diese Weise können Sie Daten in der Organisation auf offene Weise freigeben, indem Sie sowohl das Dataset als auch die Abfrage, die es generiert hat, freigeben. Auf diese Weise kann jeder nicht nur den resultierenden Datensatz, sondern auch den Prozess, der ihn generiert hat, einer Peer-Review unterziehen. Es ist auch möglich, es zu forken und neue Datensätze zu generieren und neue Erkenntnisse zu gewinnen.
Dashboards/Visualisierungen : Sobald Sie einen Datensatz haben, können Sie verschiedene Visualisierungen daraus erstellen und dann mehrere Visualisierungen in einem einzigen Dashboard kombinieren. Derzeit unterstützt es Diagramme, Pivot-Tabellen und Kohorten.
README BEENDEN
Izzy