为什么需要下一代时序引擎？当前时序场景面临哪些新挑战？

随着云原生、AI、边缘计算等技术的发展，时序监控场景出现了五大趋势变化。第一，观测粒度变细：从整体监控变为细节监控，如主机从只关注 CPU 整体到关注每个核心的每个维度利用率，观测对象可能出现 10 倍甚至百倍增长。第二，观测间隔变短：从分钟级指标向秒级甚至毫秒级演进，从 1 分钟变为 5 秒就会产生 12 倍的数据量增长。第三，更加动态的场景：容器化、训练任务、Serverless 等场景下观测对象生命周期越来越短，传统时序引擎在动态场景下性能急剧变差。第四，从查看到分析：查询方式从简单点查演变为多维度聚合分析，与 OLAP 分析的界限逐渐模糊。第五，从人工到自动：AIOps 和大模型驱动的自动化分析成为主流，减少了人工操作但对引擎查询压力急剧增加。这些趋势要求下一代时序引擎具备高稳定性、灵活 Schema、高基数兼容、高性能、多查询语言支持和低成本处理能力。