本篇内容介绍了“Loki 的作用是什么”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
创新互联-专业网站定制、快速模板网站建设、高性价比平利网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式平利网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖平利地区。费用合理售后完善，10年实体公司更值得信赖。
前面我们介绍了 Loki 的一些基本使用配置，但是对 Loki 还是了解不够深入，官方文档写得较为凌乱，而且没有跟上新版本，为了能够对 Loki 有一个更深入的认识，做到有的放矢，这里面我们尝试对 Loki 的源码进行一些简单的分析，由于有很多模块和实现细节，这里我们主要是对核心功能进行分析，希望对大家有所帮助。本文首先对日志的写入过程进行简单分析。
Promtail 通过 Loki 的 Push API 接口推送日志数据，该接口在初始化 Distributor 的时候进行初始化，在控制器基础上包装了两个中间件，其中的 HTTPAuthMiddleware 就是获取租户 ID，如果开启了认证配置，则从 X-Scope-OrgID 这个请求 Header 头里面获取，如果没有配置则用默认的 fake 代替。
// pkg/loki/modules.go func (t *Loki) initDistributor() (services.Service, error) { ...... if t.cfg.Target != All { logproto.RegisterPusherServer(t.Server.GRPC, t.distributor) } pushHandler := middleware.Merge( serverutil.RecoveryHTTPMiddleware, t.HTTPAuthMiddleware, ).Wrap(http.HandlerFunc(t.distributor.PushHandler)) t.Server.HTTP.Handle("/api/prom/push", pushHandler) t.Server.HTTP.Handle("/loki/api/v1/push", pushHandler) return t.distributor, nil }Push API 处理器实现如下所示，首先通过 ParseRequest 函数将 Http 请求转换成 logproto.PushRequest，然后直接调用 Distributor 下面的 Push 函数来推送日志数据：
// pkg/distributor/http.go // PushHandler 从 HTTP body 中读取一个 snappy 压缩的 proto func (d *Distributor) PushHandler(w http.ResponseWriter, r *http.Request) { logger := util_log.WithContext(r.Context(), util_log.Logger) userID, _ := user.ExtractOrgID(r.Context()) req, err := ParseRequest(logger, userID, r) ...... _, err = d.Push(r.Context(), req) ...... } func ParseRequest(logger gokit.Logger, userID string, r *http.Request) (*logproto.PushRequest, error) { var body lokiutil.SizeReader contentEncoding := r.Header.Get(contentEnc) switch contentEncoding { case "": body = lokiutil.NewSizeReader(r.Body) case "snappy": body = lokiutil.NewSizeReader(r.Body) case "gzip": gzipReader, err := gzip.NewReader(r.Body) if err != nil { return nil, err } defer gzipReader.Close() body = lokiutil.NewSizeReader(gzipReader) default: return nil, fmt.Errorf("Content-Encoding %q not supported", contentEncoding) } contentType := r.Header.Get(contentType) var req logproto.PushRequest ...... switch contentType { case applicationJSON: var err error if loghttp.GetVersion(r.RequestURI) == loghttp.VersionV1 { err = unmarshal.DecodePushRequest(body, &req) } else { err = unmarshal_legacy.DecodePushRequest(body, &req) } if err != nil { return nil, err } default: // When no content-type header is set or when it is set to // `application/x-protobuf`: expect snappy compression. if err := util.ParseProtoReader(r.Context(), body, int(r.ContentLength), math.MaxInt32, &req, util.RawSnappy); err != nil { return nil, err } } return &req, nil }首先我们先了解下 PushRequest 的结构，PushRequest 就是一个 Stream 集合：
// pkg/logproto/logproto.pb.go type PushRequest struct { Streams []Stream `protobuf:"bytes,1,rep,name=streams,proto3,customtype=Stream" json:"streams"` } // pkg/logproto/types.go // Stream 流包含一个唯一的标签集，作为一个字符串，然后还包含一组日志条目 type Stream struct { Labels string `protobuf:"bytes,1,opt,name=labels,proto3" json:"labels"` Entries []Entry `protobuf:"bytes,2,rep,name=entries,proto3,customtype=EntryAdapter" json:"entries"` } // Entry 是一个带有时间戳的日志条目 type Entry struct { Timestamp time.Time `protobuf:"bytes,1,opt,name=timestamp,proto3,stdtime" json:"ts"` Line string `protobuf:"bytes,2,opt,name=line,proto3" json:"line"` } 
然后查看 Distributor 下的 Push 函数实现：
// pkg/distributor/distributor.go // Push 日志流集合 func (d *Distributor) Push(ctx context.Context, req *logproto.PushRequest) (*logproto.PushResponse, error) { // 获取租户ID userID, err := user.ExtractOrgID(ctx) ...... // 首先把请求平铺成一个样本的列表 streams := make([]streamTracker, 0, len(req.Streams)) keys := make([]uint32, 0, len(req.Streams)) var validationErr error validatedSamplesSize := 0 validatedSamplesCount := 0 validationContext := d.validator.getValidationContextFor(userID) for _, stream := range req.Streams { // 解析日志流标签 stream.Labels, err = d.parseStreamLabels(validationContext, stream.Labels, &stream) ...... n := 0 for _, entry := range stream.Entries { // 校验一个日志Entry实体 if err := d.validator.ValidateEntry(validationContext, stream.Labels, entry); err != nil { validationErr = err continue } stream.Entries[n] = entry n++ // 校验成功的样本大小和个数 validatedSamplesSize += len(entry.Line) validatedSamplesCount++ } // 去掉校验失败的实体 stream.Entries = stream.Entries[:n] if len(stream.Entries) == 0 { continue } // 为当前日志流生成用于hash换的token值 keys = append(keys, util.TokenFor(userID, stream.Labels)) streams = append(streams, streamTracker{ stream: stream, }) } if len(streams) == 0 { return &logproto.PushResponse{}, validationErr } now := time.Now() // 每个租户有一个限速器，判断可以正常传输的日志大小是否应该被限制 if !d.ingestionRateLimiter.AllowN(now, userID, validatedSamplesSize) { // 返回429表明客户端被限速了 ...... return nil, httpgrpc.Errorf(http.StatusTooManyRequests, validation.RateLimitedErrorMsg, int(d.ingestionRateLimiter.Limit(now, userID)), validatedSamplesCount, validatedSamplesSize) } const maxExpectedReplicationSet = 5 // typical replication factor 3 plus one for inactive plus one for luck var descs [maxExpectedReplicationSet]ring.InstanceDesc samplesByIngester := map[string][]*streamTracker{} ingesterDescs := map[string]ring.InstanceDesc{} for i, key := range keys { // ReplicationSet 描述了一个指定的键与哪些 Ingesters 进行对话，以及可以容忍多少个错误 // 根据 label hash 到 hash 环上获取对应的 ingester 节点，一个节点可能有多个对等的 ingester 副本来做 HA replicationSet, err := d.ingestersRing.Get(key, ring.Write, descs[:0], nil, nil) ...... // 最小成功的实例树 streams[i].minSuccess = len(replicationSet.Ingesters) - replicationSet.MaxErrors // 可容忍的最大故障实例数 streams[i].maxFailures = replicationSet.MaxErrors // 将 Stream 按对应的 ingester 进行分组 for _, ingester := range replicationSet.Ingesters { // 配置每个 ingester 副本对应的日志流数据 samplesByIngester[ingester.Addr] = append(samplesByIngester[ingester.Addr], &streams[i]) ingesterDescs[ingester.Addr] = ingester } } tracker := pushTracker{ done: make(chan struct{}), err: make(chan error), } tracker.samplesPending.Store(int32(len(streams))) // 循环Ingesters for ingester, samples := range samplesByIngester { // 让ingester并行处理通过hash环对应的日志流列表 go func(ingester ring.InstanceDesc, samples []*streamTracker) { ...... // 将日志流样本数据下发给对应的 ingester 节点 d.sendSamples(localCtx, ingester, samples, &tracker) }(ingesterDescs[ingester], samples) } ...... }Push 函数的核心就是根据日志流的标签来计算一个 Token 值，根据这个 Token 值去哈希环上获取对应的处理日志的 Ingester 实例，然后并行通过 Ingester 处理日志流数据，通过 sendSamples 函数为单个 ingester 去发送日志样本数据：
// pkg/distributor/distributor.go func (d *Distributor) sendSamples(ctx context.Context, ingester ring.InstanceDesc, streamTrackers []*streamTracker, pushTracker *pushTracker) { err := d.sendSamplesErr(ctx, ingester, streamTrackers) ...... } func (d *Distributor) sendSamplesErr(ctx context.Context, ingester ring.InstanceDesc, streams []*streamTracker) error { // 根据 ingester 地址获取 client c, err := d.pool.GetClientFor(ingester.Addr) ...... // 重新构造 PushRequest req := &logproto.PushRequest{ Streams: make([]logproto.Stream, len(streams)), } for i, s := range streams { req.Streams[i] = s.stream } // 通过 Ingester 客户端请求数据 _, err = c.(logproto.PusherClient).Push(ctx, req) ...... }Ingester 客户端中的 Push 函数实际上就是一个 gRPC 服务的客户端：
// pkg/ingester/ingester.go // Push 实现 logproto.Pusher. func (i *Ingester) Push(ctx context.Context, req *logproto.PushRequest) (*logproto.PushResponse, error) { // 获取租户ID instanceID, err := user.ExtractOrgID(ctx) ...... // 根据租户ID获取 instance 对象 instance := i.getOrCreateInstance(instanceID) // 直接调用 instance 对象 Push 数据 err = instance.Push(ctx, req) return &logproto.PushResponse{}, err }instance 下的 Push 函数：
// pkg/ingester/instance.go func (i *instance) Push(ctx context.Context, req *logproto.PushRequest) error { record := recordPool.GetRecord() record.UserID = i.instanceID defer recordPool.PutRecord(record) i.streamsMtx.Lock() defer i.streamsMtx.Unlock() var appendErr error for _, s := range req.Streams { // 获取一个 stream 对象 stream, err := i.getOrCreateStream(s, false, record) if err != nil { appendErr = err continue } // 真正用于数据处理的是 stream 对象中的 Push 函数 if _, err := stream.Push(ctx, s.Entries, record); err != nil { appendErr = err continue } } ...... return appendErr } func (i *instance) getOrCreateStream(pushReqStream logproto.Stream, lock bool, record *WALRecord) (*stream, error) { if lock { i.streamsMtx.Lock() defer i.streamsMtx.Unlock() } // 如果 streams 中包含当前标签列表对应的 stream 对象，则直接返回 stream, ok := i.streams[pushReqStream.Labels] if ok { return stream, nil } // record 只在重放 WAL 时为 nil // 我们不希望在重放 WAL 后丢掉数据 // 为 instance 降低 stream 流限制 var err error if record != nil { // 限流器判断 // AssertMaxStreamsPerUser 确保与当前输入的流数量没有达到限制 err = i.limiter.AssertMaxStreamsPerUser(i.instanceID, len(i.streams)) } ...... // 解析日志流标签集 labels, err := logql.ParseLabels(pushReqStream.Labels) ...... // 获取对应标签集的指纹 fp := i.getHashForLabels(labels) // 重新实例化一个 stream 对象，这里还会维护日志流的倒排索引 sortedLabels := i.index.Add(client.FromLabelsToLabelAdapters(labels), fp) stream = newStream(i.cfg, fp, sortedLabels, i.metrics) // 将stream设置到streams中去 i.streams[pushReqStream.Labels] = stream i.streamsByFP[fp] = stream // 当重放 wal 的时候 record 是 nil (我们不希望在重放时重写 wal entries). if record != nil { record.Series = append(record.Series, tsdb_record.RefSeries{ Ref: uint64(fp), Labels: sortedLabels, }) } else { // 如果 record 为 nil，这就是一个 WAL 恢复 i.metrics.recoveredStreamsTotal.Inc() } ...... i.addTailersToNewStream(stream) return stream, nil }这个里面涉及到 WAL 这一块的设计，比较复杂，我们可以先看 stream 下面的 Push 函数实现，主要就是将收到的 []Entry 先 Append 到内存中的 Chunk 流([]chunkDesc) 中：
// pkg/ingester/stream.go func (s *stream) Push(ctx context.Context, entries []logproto.Entry, record *WALRecord) (int, error) { s.chunkMtx.Lock() defer s.chunkMtx.Unlock() var bytesAdded int prevNumChunks := len(s.chunks) var lastChunkTimestamp time.Time // 如果之前的 chunks 列表为空，则创建一个新的 chunk if prevNumChunks == 0 { s.chunks = append(s.chunks, chunkDesc{ chunk: s.NewChunk(), }) chunksCreatedTotal.Inc() } else { // 获取最新一个chunk的日志时间戳 _, lastChunkTimestamp = s.chunks[len(s.chunks)-1].chunk.Bounds() } var storedEntries []logproto.Entry failedEntriesWithError := []entryWithError{} for i := range entries { // 如果这个日志条目与我们最后 append 的一行的时间戳和内容相匹配，则忽略它 if entries[i].Timestamp.Equal(s.lastLine.ts) && entries[i].Line == s.lastLine.content { continue } // 最新的一个 chunk chunk := &s.chunks[len(s.chunks)-1] // 如果当前chunk已经关闭 或者 已经达到设置的最大 Chunk 大小 if chunk.closed || !chunk.chunk.SpaceFor(&entries[i]) || s.cutChunkForSynchronization(entries[i].Timestamp, lastChunkTimestamp, chunk, s.cfg.SyncPeriod, s.cfg.SyncMinUtilization) { // 如果 chunk 没有更多的空间，则调用 Close 来以确保 head block 中的数据都被切割和压缩。 err := chunk.chunk.Close() ...... chunk.closed = true ...... // Append 一个新的 Chunk s.chunks = append(s.chunks, chunkDesc{ chunk: s.NewChunk(), }) chunk = &s.chunks[len(s.chunks)-1] lastChunkTimestamp = time.Time{} } // 往 chunk 里面 Append 日志数据 if err := chunk.chunk.Append(&entries[i]); err != nil { failedEntriesWithError = append(failedEntriesWithError, entryWithError{&entries[i], err}) } else { // 存储添加到 chunk 中的日志数据 storedEntries = append(storedEntries, entries[i]) // 配置最后日志行的数据 lastChunkTimestamp = entries[i].Timestamp s.lastLine.ts = lastChunkTimestamp s.lastLine.content = entries[i].Line // 累计大小 bytesAdded += len(entries[i].Line) } chunk.lastUpdated = time.Now() } if len(storedEntries) != 0 { // 当重放 wal 的时候 record 将为 nil（我们不希望在重放的时候重写wal日志条目） if record != nil { record.AddEntries(uint64(s.fp), storedEntries...) } // 后续是用与tail日志的处理 ...... } ...... // 如果新增了chunks if len(s.chunks) != prevNumChunks { memoryChunks.Add(float64(len(s.chunks) - prevNumChunks)) } return bytesAdded, nil }Chunk 其实就是多条日志构成的压缩包，将日志压成 Chunk 的可以直接存入对象存储， 一个 Chunk 到达指定大小之前会不断 Append 新的日志到里面，而在达到大小之后, Chunk 就会关闭等待持久化(强制持久化也会关闭 Chunk, 比如关闭 ingester 实例时就会关闭所有的 Chunk 并持久化)。Chunk 的大小控制很重要：
假如 Chunk 容量过小: 首先是导致压缩效率不高，同时也会增加整体的 Chunk 数量, 导致倒排索引过大，最后, 对象存储的操作次数也会变多, 带来额外的性能开销
假如 Chunk 过大: 一个 Chunk 的 open 时间会更长, 占用额外的内存空间, 同时, 也增加了丢数据的风险，Chunk 过大也会导致查询读放大
在将日志流追加到 Chunk 中过后，在 Ingester 初始化时会启动两个循环去处理 Chunk 数据，分别从 chunks 数据取出存入优先级队列，另外一个循环定期检查从内存中删除已经持久化过后的数据。
首先是 Ingester 中定义了一个 flushQueues 属性，是一个优先级队列数组，该队列中存放的是 flushOp：
// pkg/ingester/ingester.go type Ingester struct { services.Service ...... // 每个 flush 线程一个队列，指纹用来选择队列 flushQueues []*util.PriorityQueue // 优先级队列数组 flushQueuesDone sync.WaitGroup ...... } // pkg/ingester/flush.go // 优先级队列中存放的数据 type flushOp struct { from model.Time userID string fp model.Fingerprint immediate bool }在初始化 Ingester 的时候会根据传递的 ConcurrentFlushes 参数来实例化 flushQueues的大小：
// pkg/ingester/ingester.go func New(cfg Config, clientConfig client.Config, store ChunkStore, limits *validation.Overrides, configs *runtime.TenantConfigs, registerer prometheus.Registerer) (*Ingester, error) { ...... i := &Ingester{ ...... flushQueues: make([]*util.PriorityQueue, cfg.ConcurrentFlushes), ...... } ...... i.Service = services.NewBasicService(i.starting, i.running, i.stopping) return i, nil }然后通过 services.NewBasicService 实例化 Service 的时候指定了服务的 Starting、Running、Stopping 3 个状态，在其中的 staring 状态函数中会启动协程去消费优先级队列中的数据
// pkg/ingester/ingester.go func (i *Ingester) starting(ctx context.Context) error { // todo，如果开启了 WAL 的处理 ...... // 初始化 flushQueues i.InitFlushQueues() ...... // 启动循环检查chunk数据 i.loopDone.Add(1) go i.loop() return nil }初始化 flushQueues 实现如下所示，其中 flushQueuesDone 是一个 WaitGroup，根据配置的并发数量并发执行 flushLoop 操作：
// pkg/ingester/flush.go func (i *Ingester) InitFlushQueues() { i.flushQueuesDone.Add(i.cfg.ConcurrentFlushes) for j := 0; j < i.cfg.ConcurrentFlushes; j++ { // 为每个协程构造一个优先级队列 i.flushQueues[j] = util.NewPriorityQueue(flushQueueLength) go i.flushLoop(j) } }每一个优先级队列循环消费数据：
// pkg/ingester/flush.go func (i *Ingester) flushLoop(j int) { ...... for { // 从队列中根据优先级取出数据 o := i.flushQueues[j].Dequeue() if o == nil { return } op := o.(*flushOp) // 执行真正的刷新用户序列数据 err := i.flushUserSeries(op.userID, op.fp, op.immediate) ...... // 如果退出时刷新失败了，把失败的操作放回到队列中去。 if op.immediate && err != nil { op.from = op.from.Add(flushBackoff) i.flushQueues[j].Enqueue(op) } } }刷新用户的序列操作，也就是要保存到存储中去：
// pkg/ingester/flush.go // 根据用户ID刷新用户日志序列 func (i *Ingester) flushUserSeries(userID string, fp model.Fingerprint, immediate bool) error { instance, ok := i.getInstanceByID(userID) ...... // 根据instance和fp指纹数据获取需要刷新的chunks chunks, labels, chunkMtx := i.collectChunksToFlush(instance, fp, immediate) ...... // 执行真正的刷新 chunks 操作 err := i.flushChunks(ctx, fp, labels, chunks, chunkMtx) ...... } // 收集需要刷新的 chunks func (i *Ingester) collectChunksToFlush(instance *instance, fp model.Fingerprint, immediate bool) ([]*chunkDesc, labels.Labels, *sync.RWMutex) { instance.streamsMtx.Lock() // 根据指纹数据获取 stream stream, ok := instance.streamsByFP[fp] instance.streamsMtx.Unlock() if !ok { return nil, nil, nil } var result []*chunkDesc stream.chunkMtx.Lock() defer stream.chunkMtx.Unlock() // 循环所有chunks for j := range stream.chunks { // 判断是否应该刷新当前chunk shouldFlush, reason := i.shouldFlushChunk(&stream.chunks[j]) if immediate || shouldFlush { // 确保不再对该块进行写操作（如果没有关闭，则设置为关闭状态） if !stream.chunks[j].closed { stream.chunks[j].closed = true } // 如果该 chunk 还没有被成功刷新，则刷新这个块 if stream.chunks[j].flushed.IsZero() { result = append(result, &stream.chunks[j]) ...... } } } return result, stream.labels, &stream.chunkMtx }下面是判断一个具体的 chunk 是否应该被刷新的逻辑：
// pkg/ingester/flush.go func (i *Ingester) shouldFlushChunk(chunk *chunkDesc) (bool, string) { // chunk关闭了也应该刷新了 if chunk.closed { if chunk.synced { return true, flushReasonSynced } return true, flushReasonFull } // chunk最后更新的时间超过了配置的 chunk 空闲时间 MaxChunkIdle if time.Since(chunk.lastUpdated) > i.cfg.MaxChunkIdle { return true, flushReasonIdle } // chunk的边界时间操过了配置的 chunk 最大时间 MaxChunkAge if from, to := chunk.chunk.Bounds(); to.Sub(from) > i.cfg.MaxChunkAge { return true, flushReasonMaxAge } return false, "" }真正将 chunks 数据刷新保存到存储中是 flushChunks 函数实现的：
// pkg/ingester/flush.go func (i *Ingester) flushChunks(ctx context.Context, fp model.Fingerprint, labelPairs labels.Labels, cs []*chunkDesc, chunkMtx sync.Locker) error { ...... wireChunks := make([]chunk.Chunk, len(cs)) // 下面的匿名函数用于生成保存到存储中的chunk数据 err = func() error { chunkMtx.Lock() defer chunkMtx.Unlock() for j, c := range cs { if err := c.chunk.Close(); err != nil { return err } firstTime, lastTime := loki_util.RoundToMilliseconds(c.chunk.Bounds()) ch := chunk.NewChunk( userID, fp, metric, chunkenc.NewFacade(c.chunk, i.cfg.BlockSize, i.cfg.TargetChunkSize), firstTime, lastTime, ) chunkSize := c.chunk.BytesSize() + 4*1024 // size + 4kB should be enough room for cortex header start := time.Now() if err := ch.EncodeTo(bytes.NewBuffer(make([]byte, 0, chunkSize))); err != nil { return err } wireChunks[j] = ch } return nil }() // 通过 store 接口保存 chunk 数据 if err := i.store.Put(ctx, wireChunks); err != nil { return err } ...... chunkMtx.Lock() defer chunkMtx.Unlock() for i, wc := range wireChunks { // flush 成功，写入刷新时间 cs[i].flushed = time.Now() // 下是一些监控数据更新 ...... } return nil }chunk 数据被写入到存储后，还有有一个协程会去定时清理本地的这些 chunk 数据，在上面的 Ingester 的 staring 函数中最后有一个 go i.loop()，在这个 loop() 函数中会每隔 FlushCheckPeriod(默认 30s，可以通过 --ingester.flush-check-period 进行配置)时间就会去去调用 sweepUsers 函数进行垃圾回收：
// pkg/ingester/ingester.go func (i *Ingester) loop() { defer i.loopDone.Done() flushTicker := time.NewTicker(i.cfg.FlushCheckPeriod) defer flushTicker.Stop() for { select { case <-flushTicker.C: i.sweepUsers(false, true) case <-i.loopQuit: return } } }sweepUsers 函数用于执行将日志流数据加入到优先级队列中，并对没有序列的用户进行垃圾回收：
// pkg/ingester/flush.go // sweepUsers 定期执行 flush 操作，并对没有序列的用户进行垃圾回收 func (i *Ingester) sweepUsers(immediate, mayRemoveStreams bool) { instances := i.getInstances() for _, instance := range instances { i.sweepInstance(instance, immediate, mayRemoveStreams) } } func (i *Ingester) sweepInstance(instance *instance, immediate, mayRemoveStreams bool) { instance.streamsMtx.Lock() defer instance.streamsMtx.Unlock() for _, stream := range instance.streams { i.sweepStream(instance, stream, immediate) i.removeFlushedChunks(instance, stream, mayRemoveStreams) } } // must hold streamsMtx func (i *Ingester) sweepStream(instance *instance, stream *stream, immediate bool) { stream.chunkMtx.RLock() defer stream.chunkMtx.RUnlock() if len(stream.chunks) == 0 { return } // 最新的chunk lastChunk := stream.chunks[len(stream.chunks)-1] // 判断是否应该被flush shouldFlush, _ := i.shouldFlushChunk(&lastChunk) // 如果只有一个chunk并且不是强制持久化切最新的chunk还不应该被flush，则直接返回 if len(stream.chunks) == 1 && !immediate && !shouldFlush { return } // 根据指纹获取用与处理的优先级队列索引 flushQueueIndex := int(uint64(stream.fp) % uint64(i.cfg.ConcurrentFlushes)) firstTime, _ := stream.chunks[0].chunk.Bounds() // 加入到优先级队列中去 i.flushQueues[flushQueueIndex].Enqueue(&flushOp{ model.TimeFromUnixNano(firstTime.UnixNano()), instance.instanceID, stream.fp, immediate, }) } // 移除已经flush过后的chunks数据 func (i *Ingester) removeFlushedChunks(instance *instance, stream *stream, mayRemoveStream bool) { now := time.Now() stream.chunkMtx.Lock() defer stream.chunkMtx.Unlock() prevNumChunks := len(stream.chunks) var subtracted int for len(stream.chunks) > 0 { // 如果chunk还没有被刷新到存储 或者 chunk被刷新到存储到现在的时间还没操过 RetainPeriod（默认15分钟，可以通过--ingester.chunks-retain-period 进行配置）则忽略 if stream.chunks[0].flushed.IsZero() || now.Sub(stream.chunks[0].flushed) < i.cfg.RetainPeriod { break } subtracted += stream.chunks[0].chunk.UncompressedSize() // 删除引用，以便该块可以被垃圾回收起来 stream.chunks[0].chunk = nil // 移除chunk stream.chunks = stream.chunks[1:] } ...... // 如果stream中的所有chunk都被清空了，则清空该 stream 的相关数据 if mayRemoveStream && len(stream.chunks) == 0 { delete(instance.streamsByFP, stream.fp) delete(instance.streams, stream.labelsString) instance.index.Delete(stream.labels, stream.fp) ...... } }关于存储或者查询等模块的实现在后文再继续探索，包括 WAL 的实现也较为复杂。
“Loki 的作用是什么”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！
