主要观点：Datadog 每分钟收集数十亿事件，数据量增长迅速，用户查询类型也发生显著变化，给时间序列数据存储带来压力。介绍了指标平台的架构及各组件，包括摄入、存储和查询，原始索引服务依赖自动生成索引，虽空间高效但对用户查询表现不佳，需手动干预；下一代索引服务受搜索引擎倒排索引启发，无条件索引每个摄入的标签，简化了摄入和查询路径，虽有写放大问题但性能提升，还通过节点内分片实现查询路径随 CPU 核心扩展，将 Go 服务改为 Rust 使 CPU 密集型操作速度提升。

关键信息：

• 指标平台架构：摄入数据到消息队列，存储到时间序列数据库和索引服务，查询时连接各组件。
• 原始索引服务：基于查询日志自动生成索引，使用 SQLite 和 RocksDB，存在全表扫描和查询模式变化导致索引低效等问题。
• 下一代索引服务：受搜索引擎倒排索引启发，无条件索引每个摄入标签，简化路径，减少 CPU 消耗，通过节点内分片实现查询并行，将 Go 改为 Rust 提升性能。
• 结论：改变索引策略、节点内分片和语言改为 Rust 使查询性能提升，减少查询超时和运行成本。

重要细节：

• 摄入数据包含度量名称、标签、时间戳和值，标签可添加维度用于过滤等操作。
• 原始索引服务中，Tagsets 数据库存储时间序列 ID 与标签的映射，Metrics 数据库存储时间序列 ID 与度量的映射，Indexes 数据库存储资源消耗查询的索引。
• 下一代索引服务中，索引数据库无条件索引每个摄入的标签，查询时通过单键值查找获取相关时间序列 ID 并组合。
• 节点内分片通过哈希时间序列 ID 将 RocksDB 索引分为多个隔离实例，并行获取数据并合并结果。
• Rust 在分组和合并操作上比 Go 快约 3 倍，Go 通过手动复制容器/堆包可优化但仍比 Rust 慢约 2 倍。