Parseable, dakikada 100 milyon time-series işlediğini iddia ettiği açık kaynak gözlemlenebilirlik datalake'ini tanıttı

Ne oldu

Parseable, 6 Ekim'de Show HN gönderisiyle Hacker News'in ana sayfasına çıktı; gönderiye göre dakikada 100 milyon time-series verisi işleyen açık kaynak bir gözlemlenebilirlik datalake'i tanıtıyordu. Şirket, projeyi log, metrik ve dağıtık trace'leri tek bir binary altında birleştiren, bunları object storage üzerinde açık columnar formatta saklayan ve verilerin tamamını sorgulanabilir tutan bir çözüm olarak tanımlıyor. Her self-servis benchmarkta olduğu gibi, bu verimlilik rakamı üreticinin kendi iddiası olup bağımsız olarak doğrulanmış değildir.

Mimari: columnar, stateless, object-store native

Parseable'in sitesine göre sistem, yüksek kardinalite sorununu — geleneksel olarak time-series performansını düşüren benzersiz etiket kombinasyonlarının patlamasını — columnar yapısıyla ele almak için tasarlandı ve bunun sonucunda ortalamanın üzerinde sıkıştırma sunduğunu duyuruyor. İncelenen materyalde sıkıştırma yüzdesi kırpılmış olduğundan, bu iddianın yalnızca yönü bildirilebiliyor.

Dağıtım bilinçli olarak basit tutulmuş şekilde konumlandırılıyor: binary'yi public ya da private cloud'da çalıştırın, bir object store'a yönlendirin ve telemetry agent'larınızı yapılandırın. Tasarım stateless; object store kayıt sistemi olarak görev yapıyor ve platform OpenTelemetry-native ve composable. Tek binary içinde sunulan özellik seti arasında alert'ler, dashboard'lar, log ve metrik görünümleri, dağıtık trace'ler, servis haritaları, hata sayfası, AI destekli analiz ve kök neden analizi yer alıyor. Veriler SQL veya doğal dille sorgulanabiliyor ve forecasting de platform yetenekleri arasında listeleniyor.

Dağıtım katmanları ve AI araç kutusu

Parseable üç dağıtım seçeneği sunuyor: self-hosted açık kaynak, managed cloud ve kendi bulutunuzu getirin (bring-your-own-cloud) seçeneği sunan enterprise katmanı. Enterprise sürümü PromQL desteği, dağıtık sorgular, AI-native arayüz, gelişmiş erişim kontrolü ve yönetişim ile kritik dağıtımlar için öncelikli destek ekliyor.

Şirket ayrıca bir dizi yardımcı araç da sunuyor. Bir MCP server, AI agent'larını canlı telemetriye bağlanıyor — Parseable'in güvenli, yapılandırılmış araçlar dediği şekilde. Bir Slack botu, inceleme ve operasyonel yanıtları doğrudan sohbet ekranına getiriyor. PAI, sinyalleri toplamak için Kubernetes workload'larını otomatik olarak instrumente ediyor. PB CLI terminalden sorgulamayı yönetiyor ve OTex, telemetriyi planlayan, instrumente eden ve inceleyen AI destekli bir gözlemlenebilirlik mühendisi olarak tanımlanıyor. Bu kendi geliştirdikleri araçların ötesinde, sitede telemetry agent'ları, veri kaynakları, görselleştirme araçları, kimlik doğrulama sağlayıcıları ve LLM'ler genelinde entegrasyonlar listeleniyor.

Veri sahipliği bir satış argümanı olarak

Şirketin mesajlaşmasında tekrar eden bir tema kontrol. Parseable, telemetrinin müşterinin sahip olduğu object storage üzerinde açık formatlarda yaşadığını vurguluyor ve bunu güvenlik odaklı ekipleri hedefleyen enterprise seviyesinde kontrollerle eşleştiriyor. Bu konumlandırma, ticari gözlemlenebilirlik platformları hakkındaki en yaygın şikayetlerden birini hedefliyor: verinin tescilli formatlarda tutulması ve ayrılırken migration ve çıkış maliyetlerinin ortaya çıkması.

Neden önemli

Gözlemlenebilirlik maliyetleri yüksek kardinalitede kötü ölçekleniyor ve telemetriyi ucuz object storage üzerinde açık columnar formatlarda saklayan sistemler bu ekonomiyi doğrudan hedef alıyor. Verimlilik iddiası üçüncü taraf testlerinde doğrulanırsa, tek bir binary, OTel-native ingestion yolu ve object storage üzerindeki tam çözünürlüklü veri kombinasyonu Parseable'i ayrı log, metrik ve tracing araçlarından oluşturulan stack'lere karşı güvenilir bir açık kaynak alternatif olarak konumlandırır. AI katmanı — MCP entegrasyonu, doğal dil sorgulaması ve OTex agent'ı — gözlemlenebilirlik pazarının genel yönünü de yansıtıyor: mühendislerin yanında olayları inceleyen asistanlar. Şimdilik o dikkat çeken rakam, benchmarklanmış bir sonuçtan çok bir landing page iddiası olarak duruyor; bu yüzden değerlendirme yapan ekipler performans rakamlarını kesin gerçek rather than kendi yük testlerinin bir başlangıç noktası olarak ele almalı.