IT 运维诞生于最早的信息化时代。在信息化时代，企业的信息化系统，主要为了满足企业内部管理的需求。通常是集中、可控和固化的烟囱式架构。传统 IT 运维，以人力运维为主，在单点式和烟囱式的架构中，的确起到了非常重要的作用。

我们知道，传统运维模式关注的是单台 IT 设备的故障率或单套应用系统的可用性，系统与系统之间，设备与设备之间，是彼此孤立的，因此产生的数据量也相对有限。

但进入到云计算时代之后，IT 的边界被完全打开，更多的联接、更多的设备、更多的服务，使得系统规模开始变得越来越大，随着监控粒度越来越细，监控数据呈现出爆炸式增长的态势，每天将产生上百 TB 的数据，如何对如此海量的数据进行处理成为华为云 SRE 面临的一大难题。

业务背景

华为云 SRE 基础设施监控系统是一个先进的平台，用于监控和管理华为云在全球各个 region 的基础设施。该系统需要实时监测各种资源，包括网络、存储、计算、安全和各个云服务。

现状

业务诞生之初，适逢“大数据”时代，Hadoop 作为批量离线计算系统已经得到了业界的普遍认可，并经过了工业上的验证，所以 HBase 具备“站在巨人肩膀之上”的优势，其发展势头非常迅猛。HBase 还是一种 NoSQL 数据库，支持水平扩展和大规模数据的存储能力，故选型 HBase。当然内部也基于 HBase 做过很多优化，比如缩短 row key，减少 Key-Value 数，按照时间维度分表，将单行多列变为单行单列。

痛点

随着华为云业务扩展，特别是近些年，华为云在全球布局的速度也突飞猛进，所要监控的设备也越来越多，颗粒度越来越细，查询场景也逐渐丰富，HBase 明显已经无法满足当前业务需要，问题主要体现在以下几点：

1. HBase 不支持高阶聚合查询，时间范围太大的查询性能比较差，无法渲染图表

2. HBase 没有特定的压缩算法，应对每天上百 TB 数据，存储成本长期居高不下

3. HBase 部署需要依赖第三方组件 HDFS 和 Zookeeper，运维成本高

技术选型

为了解决这些痛点，我们将目光投向时下流行的时序数据库（Time-Series Database）。首先在 DBEngines 排名前 20 的开源时序数据库中甄别，排除商业品类、开源协议不友好的，初步拟选了 InfluxDB、Druid、Prometheus、OpenTSDB 几款，经过技术对比，InfluxDB 只有单机版，功能和性能受限大，故排除。OpenTSDB 底层存储仍然是 HBase，存储成本问题仍然存在，故排除。Prometheus 不适合在大规模数据场景下使用。Druid 是一个实时分析型的数据库，用于大规模实时数据导入、快速查询分析的场景，基本满足需求，但在时空聚合查询场景时延相对较大。徘徊之际，了解到华为云开源的 openGemini，经过测试对比，openGemini 在数据压缩效率、读写性能方面优势明显，经过和 openGemini 社区团队交流后，最后选择了 openGemini 存储全网华为云 SRE 基础设施监控数据。

性能测试

写性能

上述测试结果显示了 openGemini 从 4U 扩展到 32U 的性能表现，可以看出：

• 从 4U 到 32U，openGemini 写入性能可以线性扩展（扩展比为 0.8）

• 从 4U 的 155 万 Metrics/s 平稳增长到 32U 的 560 万 Metrics/s

查询性能

查询性能是我们重点考虑的方面，测试工具 Jmeter，测试场景从业务中挑选了使用频率较高的三种类型查询语句，在此基础上变化查询并发数、查询时间范围、聚合算子等进行测试。

测试语句举例：

测试规格与集群部署

测试结果（20 并发 6h 表示查询并发为 20，时间范围为 6 小时）

精确查询整体性能表现如下：

时间聚合查询整体性能表现如下：

时空聚合查询整体性能表现如下：

测试结论

整体上，openGemini 在上述三种查询场景下，相比 Druid 性能大幅领先。openGemini 写入性能满足目前同样流量大小的 HBase 集群，而且使用的规模要小不少。此外，openGemini 不依赖任何第三方组件或应用，同时还有非常丰富的监控指标，更好的观察系统的运行状况，快速定位和解决问题。

迁移方案

数据双写

采用 openGemini 后，并没有立即拆除已有系统。主要考虑两方面：

1. 如果 openGemini 出现问题可以迅速把流量切回去，保证现网业务运行平稳。

2. HBase 的数据不能直接迁移到 openGemini，如果开发迁移工具成本又很高，故 HBase 和 openGemini 双写，在此过渡期间是个好的办法。

查询切流

我们给 openGemini 和 HBase 配置了不同的 DNS，切换 DNS 就可以非常方便地查询不同数据库的数据，对现网可靠性也不会产生影响。

实际效果

截止目前，已实现全网流量切入 openGemini，系统平稳运行超过半年。

和之前的 HBase 对比：

1. 单 region 下，HBase 集群规模从数百计算节点降至数十节点，规模缩减 60%以上

2. 截止目前，上线集群平均每秒写入达到 1.81 亿条指标数据，存储空间节约超 90%，CPU 资源上可以节省 68%，内存资源可以节省 50%

3. 查询性能大幅提升

总结

openGemini 的设计和优化都是根据时序数据特点而来，在面对海量运维监控数据处理需求时，openGemini 显然更加有针对性，而以上的事实证明，在运维监控场景中，openGemini 的应用能够提升运维效率，降低运维成本，真正帮助企业实现降本增效。

点击关注，第一时间了解华为云新鲜技术~