跳到主要内容

Badger存储配置

简介​

Badger是一个高性能的键值存储引擎，专为LSM树优化设计。在Jaeger中，Badger被用作本地存储后端，适用于单机部署或开发环境。与传统的存储方案相比，Badger提供了更低的延迟和更高的吞吐量。

备注

Badger是纯Go实现的，无需外部依赖，适合需要嵌入式存储的场景。

基础配置​

启用Badger存储​

在Jaeger的配置文件（通常是jaeger.yaml）中，通过以下配置启用Badger：

yaml
storage:
  type: badger
  options:
    badger:
      directory: /data/jaeger/badger
      ephemeral: false
  • directory: Badger数据文件的存储路径。
  • ephemeral: 设为true时，数据仅保存在内存中（测试用途）。

关键参数说明​

参数默认值描述
ttl72h数据自动清理周期
max-value-size1MB单个值的大小限制
sync-writesfalse是否同步写入磁盘

代码示例​

初始化Badger存储​

以下Go代码展示了如何直接使用Badger：

go
package main

import (
	"github.com/dgraph-io/badger/v3"
	"time"
)

func main() {
	opts := badger.DefaultOptions("/tmp/badger").
		WithSyncWrites(false).
		WithLogger(nil) // 禁用日志

	db, err := badger.Open(opts)
	if err != nil {
		panic(err)
	}
	defer db.Close()

	// 写入示例
	err = db.Update(func(txn *badger.Txn) error {
		return txn.Set([]byte("trace_id_123"), []byte("span_data"))
	})
}

输入/输出说明：

  • 输入：键值对 trace_id_123 -> span_data
  • 输出：数据持久化到/tmp/badger目录

实际案例​

场景：开发环境跟踪存储​

在本地开发Jaeger时，使用Badger可以：

  1. 避免依赖分布式存储（如Elasticsearch）
  2. 快速启动和测试追踪数据
  3. 通过ephemeral模式实现每次重启清空数据

高级配置​

性能调优​

yaml
badger:
  value-log-file-size: 1024 # MB
  num-compactors: 4        # 并发压缩任务数
  num-level-zero-tables: 5 # L0层最大表数量
注意

修改高级参数需要充分测试，不当配置可能导致性能下降！

总结​

Badger为Jaeger提供了：

  • 简单的本地存储方案
  • 高性能的读写能力
  • 低运维成本

推荐练习：

  1. 尝试在ephemeral模式下运行Jaeger并观察内存使用情况
  2. 修改ttl参数测试数据自动清理功能

延伸阅读​