RousselTMLEARNING

Observabilité

Prometheus vs VictoriaMetrics : Scalabilité des métriques

Pourquoi choisir VictoriaMetrics comme alternative à Prometheus pour le stockage à long terme et la haute performance ?

1. Le standard Prometheus #

L'outil qui a défini le monitoring moderne.

Forces et limites #

Prometheus est le standard de fait de la CNCF pour la collecte (scraping) et l'alerte. Sa base locale n'est pas faite pour le stockage long terme ni pour la haute disponibilité : on lui adjoint alors Thanos, Grafana Mimir (successeur de Cortex) ou VictoriaMetrics. Il peut aussi consommer beaucoup de mémoire avec une forte cardinalité. Prometheus 3 (fin 2024) a apporté une nouvelle interface, la réception OTLP native, les noms UTF-8 et la stabilisation des histogrammes natifs.

2. VictoriaMetrics : La performance pure #

Une alternative 'drop-in replacement'.

Pourquoi VictoriaMetrics ? #

VictoriaMetrics est conçu pour être plus efficace : il consomme moins de RAM, offre une meilleure compression des données sur disque et supporte nativement le protocole Prometheus (PromQL). Il est beaucoup plus simple à scaler horizontalement en mode cluster.

3. Comparatif Technique #

Efficacité et simplicité.

Points clés #

  • Stockage : compression souvent plusieurs fois meilleure que Prometheus ; les éditeurs annoncent jusqu'à 7 fois moins d'espace, à vérifier sur vos propres données.
  • Mémoire : meilleure tenue face aux pics de cardinalité et au renouvellement rapide des séries (churn).
  • Compatibilité : API de requête Prometheus, PromQL et tableaux de bord Grafana existants ; MetricsQL ajoute des fonctions.
  • Limites : écosystème plus petit, quelques différences de comportement de PromQL (fenêtres, extrapolation) à connaître avant une migration.

4. Architecture et migration #

Faire coexister les deux.

Le schéma courant #

Prometheus et VictoriaMetrics

La migration se fait rarement d'un coup. On garde Prometheus pour la collecte et les règles d'alerte, et on ajoute un remote_write vers VictoriaMetrics, qui devient la source des tableaux de bord sur le long terme. vmagent peut ensuite remplacer Prometheus pour la collecte, avec moins de mémoire, et vmalert évaluer les règles.

# prometheus.yml
remote_write:
  - url: http://victoriametrics:8428/api/v1/write   # single-node
  # - url: http://vminsert:8480/insert/0/prometheus/api/v1/write   # cluster, tenant 0
    queue_config:
      max_samples_per_send: 10000
CritèrePrometheusVictoriaMetricsGrafana Mimir / Thanos
Rôlecollecte + alertes + stockage courtstockage long terme, collecte possible (vmagent)stockage long terme distribué
Stockagedisque localdisque local (single-node ou cluster)stockage objet (S3, GCS)
Exploitationsimplesimple, peu de composantsplus complexe, nombreux composants
LicenceApache 2.0Apache 2.0 (Enterprise payante)AGPLv3 / Apache 2.0

5. Conclusion #

Lequel adopter ?

Le verdict #

Gardez Prometheus pour vos petits et moyens clusters Kubernetes pour sa simplicité native. Passez à VictoriaMetrics si vous gérez des millions de séries temporelles et que vous cherchez une solution performante, simple à administrer et économe en ressources.

6. Commandes à connaître et TP #

Mesurer avant de migrer.

Commandes à connaître #

ActionCommande
Lancer VictoriaMetrics single-nodedocker run -d --name vm -p 8428:8428 victoriametrics/victoria-metrics -retentionPeriod=12
Nombre de séries actives (Prometheus)curl -s localhost:9090/api/v1/query --data-urlencode "query=prometheus_tsdb_head_series"
Statistiques de cardinalitécurl -s localhost:9090/api/v1/status/tsdb | jq ".data.seriesCountByMetricName[:10]"
Même requête sur VictoriaMetricscurl -s localhost:8428/api/v1/query --data-urlencode "query=sum(rate(http_requests_total[5m]))"
Cardinalité côté VictoriaMetricscurl -s localhost:8428/api/v1/status/tsdb | jq ".data.totalSeries"
Vérifier une configuration Prometheuspromtool check config prometheus.yml

TP : remote_write et comparaison #

  1. Lancez Prometheus avec node_exporter, puis VictoriaMetrics single-node.
  2. Ajoutez le bloc remote_write ci-dessus et rechargez Prometheus (kill -HUP ou /-/reload).
  3. Ajoutez les deux sources dans Grafana et affichez le même tableau de bord Node Exporter sur chacune.
  4. Après 24 heures, comparez l'espace disque et la mémoire des deux processus.

Résultat attendu : des graphiques identiques, et vos propres mesures de compression et de mémoire.

Articles liés

Alloy et l'écosystème Grafana Labs : quel composant pour quel outil ?

La carte des intégrations d'Alloy avec Faro, Beyla, k6, Loki, Mimir, Tempo, Pyroscope, Database Observability…

Faro et Alloy : recevoir le RUM front-end avec faro.receiver

Configurer faro.receiver : CORS, clé d'API, limite de débit, source maps, puis envoyer erreurs, Web Vitals et…

Beyla et Alloy : métriques RED et traces sans code avec beyla.ebpf

Activer l'instrumentation eBPF de Beyla dans Alloy : découverte des services, métriques RED vers Mimir, trace…

Pour aller plus loin

Soutenir

♥ SOUTENIR

Soutenez RousselTM Learning

Les formations, articles, TP et attestations restent gratuits et sans publicité intrusive. Une contribution libre, du montant de votre choix, finance l’hébergement, les environnements de TP et l’écriture de nouveaux contenus.

Contribuer avec PayPal Montant libre · carte bancaire ou compte PayPalEn savoir plus
QR code PayPal
Ou scannez ce QR code avec votre téléphone

Merci, chaque contribution compte !