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 #
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| Critère | Prometheus | VictoriaMetrics | Grafana Mimir / Thanos |
|---|---|---|---|
| Rôle | collecte + alertes + stockage court | stockage long terme, collecte possible (vmagent) | stockage long terme distribué |
| Stockage | disque local | disque local (single-node ou cluster) | stockage objet (S3, GCS) |
| Exploitation | simple | simple, peu de composants | plus complexe, nombreux composants |
| Licence | Apache 2.0 | Apache 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 #
| Action | Commande |
|---|---|
| Lancer VictoriaMetrics single-node | docker 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 cardinalité | curl -s localhost:9090/api/v1/status/tsdb | jq ".data.seriesCountByMetricName[:10]" |
| Même requête sur VictoriaMetrics | curl -s localhost:8428/api/v1/query --data-urlencode "query=sum(rate(http_requests_total[5m]))" |
| Cardinalité côté VictoriaMetrics | curl -s localhost:8428/api/v1/status/tsdb | jq ".data.totalSeries" |
| Vérifier une configuration Prometheus | promtool check config prometheus.yml |
TP : remote_write et comparaison #
- Lancez Prometheus avec node_exporter, puis VictoriaMetrics single-node.
- Ajoutez le bloc
remote_writeci-dessus et rechargez Prometheus (kill -HUPou/-/reload). - Ajoutez les deux sources dans Grafana et affichez le même tableau de bord Node Exporter sur chacune.
- 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.
