Awesome GitHub RepositoriesPromQL-Compatible Engines

VictoriaMetrics is a high-performance, scalable time series database and observability platform designed for long-term storage and analysis of metric, log, and trace data. It functions as a unified backend for monitoring ecosystems, offering full compatibility with industry-standard protocols and query languages. The system is built to handle massive data volumes through a distributed architecture that supports horizontal scaling and efficient data lifecycle management. The platform distinguishes itself through a storage engine that utilizes consistent hashing for data sharding and log-struct

Prometheus client_golang is the official Go client library for instrumenting applications with Prometheus metrics. It provides a metric registry that manages and exposes custom application metrics like counters, gauges, histograms, and summaries in Prometheus format for HTTP scraping by a Prometheus server. The library also includes a remote read client that sends PromQL queries to a Prometheus server over HTTP and retrieves time series data programmatically. The library supports creating separate registries to isolate metric namespaces and control which metrics are exposed per scrape endpoin

GreptimeDB is a distributed, open-source time-series database built for unified observability. It stores and queries metrics, logs, and traces together in a single columnar engine, supporting both SQL and PromQL for analysis. The database is designed as a Kubernetes-native operator with a decoupled compute and storage architecture, enabling horizontal scaling and multi-region deployment. What distinguishes GreptimeDB is its role as a multi-protocol ingestion gateway, accepting data through OpenTelemetry, Prometheus Remote Write, InfluxDB, Loki, Elasticsearch, Kafka, and MQTT protocols without

Cortex is an open-source, horizontally scalable metrics platform that ingests, stores, and queries Prometheus-compatible time-series data with multi-tenant isolation. It accepts metrics via Prometheus remote write and OpenTelemetry, executes PromQL queries against both recent and historical data, and provides a Prometheus-compatible alerting and recording rule engine with an integrated Alertmanager. The system is built as a set of independently scalable microservices that use hash-ring-based sharding, gossip-based cluster membership, and tenant-aware object storage to distribute workloads acro

m3 est une base de données de séries temporelles distribuée conçue pour les métriques haute résolution et la gestion de données à haute cardinalité. Elle fonctionne comme un système de stockage évolutif et un moteur de requête multi-cluster, fournissant un agrégateur de métriques distribué capable de sous-échantillonner et de résumer les données avant qu'elles ne soient validées dans le stockage. Le projet se distingue par un modèle de cluster coordonné utilisant etcd pour l'appartenance aux nœuds et le placement des shards. Il prend en charge plusieurs protocoles d'ingestion, notamment le protocole d'écriture à distance Prometheus, le protocole InfluxDB line et le protocole Graphite Carbon en texte brut, et fournit des interfaces de requête compatibles pour PromQL et Graphite. Le système couvre de larges domaines de capacités, notamment le stockage de séries temporelles en colonnes, la réplication synchrone des données et le fan-out de requêtes distribuées. Il intègre l'automatisation du cycle de vie des données, le réglage de la cohérence basé sur le quorum et l'indexation des séries basée sur les tags pour maintenir l'intégrité des données et la vitesse de récupération à travers des espaces de noms isolés. L'orchestration du cluster et le placement des composants sont gérés via des outils automatisés et des opérateurs pour assurer une haute disponibilité et une distribution équilibrée des données.

DeepFlow est une plateforme d'observabilité eBPF qui fournit une suite pour le profilage continu, le traçage distribué, la cartographie des dépendances de services et le stockage de télémétrie unifié. Il fonctionne comme un système de surveillance qui collecte des métriques, des traces et des profils sans nécessiter d'instrumentation manuelle de l'application ou de modifications du code source. La plateforme se distingue par l'utilisation de l'analyse de paquets consciente des protocoles pour reconstruire les chaînes de requêtes et la cartographie automatisée des dépendances de services pour visualiser les interactions entre les applications et l'infrastructure. Elle utilise un magasin de données de télémétrie conçu pour l'optimisation des signaux à haute cardinalité, permettant aux utilisateurs d'interroger des données unifiées via des interfaces SQL et PromQL. Le système couvre un large éventail de domaines d'observabilité, incluant le profilage des performances des applications avec des flame graphs on-CPU et off-CPU, la collecte des performances réseau et la surveillance de l'infrastructure cloud. Il intègre la collecte de télémétrie au niveau du noyau pour rassembler des métriques système et des métadonnées de couche application à travers les services et les threads.

Uptrace is an OpenTelemetry-based observability platform designed to collect, store, and analyze distributed traces, metrics, and logs. It functions as a centralized logging backend, a distributed tracing system, and a metrics engine to monitor application performance and system health. The platform is distinguished by AI-powered operational capabilities, allowing users to query telemetry data and manage monitoring dashboards using natural language. It specifically includes specialized monitoring for generative AI pipelines, tracking token usage and response quality for LLM interactions and r

DeepOps est une plateforme d'observabilité full-stack et un outil de monitoring de performance applicative. Il s'agit d'une suite d'observabilité de services distribués conçue pour suivre les temps de réponse, l'utilisation des ressources et l'état de santé des services à travers diverses couches d'infrastructure. La plateforme fonctionne comme un agrégateur de télémétrie cross-stack, unifiant les métriques et les logs dans un flux de données unique. Elle intègre un système de détection d'anomalies heuristique qui analyse les bases de référence de performance pour identifier les valeurs aberrantes statistiques et prédire les pannes opérationnelles. Le système couvre un large éventail de capacités de monitoring, notamment le suivi de latence en temps réel, la corrélation de traces distribuées et le profilage de ressources multi-couches. Il utilise une indexation de données multidimensionnelle pour filtrer et analyser les métriques système à travers des stacks technologiques complexes.