AI-modellen en platforms

VictoriaMetrics lanceert VictoriaStack voor meetwaarden, loggegevens, traces en AI-ondersteunde probleemoplossing

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google
VictoriaStack illustration representing metrics, logs and distributed traces

VictoriaMetrics heeft VictoriaStack geïntroduceerd, een opensourcestack voor observability die zijn producten voor meetwaarden, loggegevens en gedistribueerde tracing samenbrengt in één gecoördineerd operationeel model. Met de lancering wil het bedrijf engineeringteams de mogelijkheid bieden hun telemetriedekking uit te breiden zonder hun volledige monitoringomgeving te vervangen of alle signalen in dezelfde database onder te brengen.

VictoriaStack combineert VictoriaMetrics voor meetwaarden, VictoriaLogs voor loggegevens en VictoriaTraces voor traces. Teams kunnen de signalen gebruiken die ze nodig hebben en later andere toevoegen. Gedeelde implementatietools en ondersteuning voor OpenTelemetry helpen de verschillende onderdelen met elkaar te verbinden.

De aankondiging breidt dit model ook uit naar AI-ondersteunde activiteiten. Officiële Model Context Protocol-servers en agentvaardigheden bieden AI-assistenten de mogelijkheid om telemetrie in de hele stack te onderzoeken, terwijl engineers verantwoordelijk blijven voor de beslissing welke wijzigingen worden doorgevoerd.

Drie signalen, drie gespecialiseerde databases

Meetwaarden, loggegevens en traces beantwoorden verschillende operationele vragen. Meetwaarden geven een samenvatting van gedrag over een bepaalde periode, zoals het aantal verzoeken, het aantal fouten of het geheugengebruik. Loggegevens registreren gebeurtenissen en de bijbehorende details. Gedistribueerde traces volgen een verzoek door meerdere services en laten zien waar tijd aan is besteed en waar een storing is ontstaan.

Bij een incident kan een engineer eerst een piek in de latentie opmerken in de meetwaarden, het probleem vervolgens met behulp van traces herleiden tot een bepaalde service en daarna de loggegevens bekijken om de onderliggende fout te vinden. Door die signalen in een samenhangende workflow bijeen te brengen, kan het onderzoek sneller verlopen zonder dat hun opslagvereisten gelijk hoeven te zijn.

De architectuurdocumentatie van VictoriaStack beschrijft onafhankelijke databases die een gemeenschappelijk componentmodel delen. Elke database kan als één binair bestand draaien of als cluster waarin de verwerking, opslag en uitvoering van query’s van elkaar zijn gescheiden. De stack kan vmauth gebruiken als toegangspunt voor routering en load balancing.

Ook de query-interfaces blijven gespecialiseerd: VictoriaMetrics gebruikt het met PromQL compatibele MetricsQL, VictoriaLogs gebruikt LogsQL en VictoriaTraces ondersteunt naast LogsQL ook API’s die compatibel zijn met Jaeger en Tempo. Gecoördineerde werking betekent dus niet dat er één database of één universele querytaal is.

Alle drie de kerndatabases zijn beschikbaar onder de Apache 2.0-licentie. Het bedrijf biedt ook enterprisefunctionaliteit en commerciële ondersteuning, evenals de volledig beheerde dienst VictoriaMetrics Cloud, die de drie signalen ondersteunt.

OpenTelemetry verbindt de gegevensverzameling

OpenTelemetry biedt een gemeenschappelijke aanpak voor het instrumenteren van applicaties en het exporteren van telemetrie. Het OTLP-protocol wordt ondersteund voor meetwaarden, loggegevens en traces in VictoriaStack. Daardoor kunnen teams telemetrie op een consistente manier verzamelen, ook al komt de data in verschillende backends terecht.

Dat onderscheid is belangrijk wanneer een applicatie uitgroeit van enkele services tot een gedistribueerd systeem. Instrumentatie moet helpen het gedrag van de applicatie te beschrijven; het wijzigen van de bestemming van telemetrie zou niet moeten vereisen dat de monitoringcode van elke service opnieuw wordt ontworpen.

De stack ondersteunt waar nodig ook andere formaten voor gegevensinvoer. Teams die bijvoorbeeld al meetwaarden verzamelen op basis van Prometheus, kunnen dat ecosysteem behouden en daarnaast loggegevens of tracing toevoegen. Compatibiliteit van protocollen beperkt het migratiewerk, maar de keuze van bewaartermijn, capaciteit en querypatronen blijft een beslissing voor engineers.

Voor Kubernetes-implementaties wijst VictoriaMetrics op zijn operator en Helm-sjablonen als de gebruikelijke beheertools. Het doel is implementaties en upgrades consistenter te maken en tegelijkertijd de mogelijkheid te behouden om elk signaal op te schalen naar gelang de eigen werklast.

AI-agents kunnen telemetrie over de hele stack onderzoeken

VictoriaStack benadert AI vanuit twee invalshoeken: observabilitysystemen moeten telemetrie kunnen verwerken die door agentische applicaties wordt gegenereerd, en AI-assistenten kunnen engineers helpen die telemetrie te doorzoeken.

De documentatie over AI-tools van het bedrijf beschrijft afzonderlijke MCP-servers voor meetwaarden, loggegevens en traces. Die bieden gestructureerde mogelijkheden, zoals tijdreeksen opvragen, logvelden verkennen, services en bewerkingen vinden en traces ophalen. De integratie voor meetwaarden ondersteunt ook onderzoek naar cardinaliteit, querygedrag en de configuratie van waarschuwingen.

De repository met agentvaardigheden voegt herbruikbare workflows toe voor onderzoeken waarbij meerdere signalen worden gecombineerd en voor verwante operationele taken. Een assistent kan een probleemoplossingsproces volgen dat verschillende signalen bestrijkt, in plaats van zich te baseren op één dashboard of een gekopieerde foutmelding.

De aankondiging beschrijft alleen-lezen toegang voor assistenten, waaronder Claude Code, Codex, Cursor en interne agents. De beoogde werkwijze is daarmee gericht op onderzoek: bewijs verzamelen, symptomen met elkaar in verband brengen en een verklaring voorstellen, terwijl engineers beslissen wat er wordt toegepast. Een telemetriebron met een agent verbinden, betekent op zichzelf niet dat de agent de hoofdoorzaak correct heeft vastgesteld.

Gegevensinvoer en query’s afzonderlijk opschalen

De Snelstartgids van VictoriaStack laat zowel configuraties met één knooppunt als geclusterde configuraties zien. De Docker Compose-demo bevat een OpenTelemetry-applicatie en -collector, de drie databases, Grafana, vmalert en vmauth. De documentatie benadrukt uitdrukkelijk dat deze lokale omgeving bedoeld is als demonstratie en niet als productieomgeving.

In het clustermodel zijn de componenten voor gegevensinname en query’s stateless en kunnen ze onafhankelijk van elkaar worden opgeschaald, terwijl de opslagcomponenten de gegevens bewaren. Zo worden verschillende soorten belasting van elkaar gescheiden: meer binnenkomende telemetrie kan extra capaciteit voor gegevensinname vereisen, terwijl meer engineers of agents die onderzoeken uitvoeren de vraag naar query’s kunnen vergroten.

Een goede opslagplanning blijft belangrijk. Volgens de documentatie bewaren de databases telemetrie op lokale bestandssystemen; S3 of Google Cloud Storage wordt gebruikt voor back-ups, niet als querylaag voor objectopslag. Ook wordt vermeld dat het verminderen van het aantal opslagshards een complexe ingreep is. Die kenmerken zijn van belang bij het kiezen van een topologie en het voorspellen van groei.

Een geïntegreerde stack zonder alles in één keer te migreren

VictoriaMetrics presenteert VictoriaStack op KubeCon + CloudNativeCon North America 2026. Daarbij wordt een met OTLP geïnstrumenteerde Kubernetes-applicatie gedemonstreerd die de drie telemetriesignalen naar de bijbehorende back-ends stuurt, waarna een probleemoplossingsworkflow over de verschillende signalen heen volgt.

‘Het tijdperk van agentische AI brengt meer telemetrie met zich mee en stelt hogere eisen aan de verwerking ervan’, zei Roman Khavronenko, medeoprichter en engineeringmanager van VictoriaMetrics, in de aankondiging. Hij zei dat VictoriaStack is ontworpen met het oog op schaalbaarheid en efficiëntie naarmate die vraag toeneemt.

De praktische aanpak is stapsgewijze invoering: behoud een bruikbaar ecosysteem voor telemetrieverzameling, voeg de ontbrekende signalen toe en beheer de resulterende diensten volgens een consistenter model. De waarde van VictoriaStack hangt af van hoe goed die onderdelen samenwerken wanneer het telemetrievolume en de vraag naar onderzoek toenemen, terwijl teams zelf kunnen bepalen waar hun gegevens staan en hoe elk signaal wordt opgeschaald.

Theo Nash is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI‑infrastructuur, rekenkracht en de hardware‑systemen die moderne kunstmatige intelligentie aandrijven, behandelt. Zijn werk richt zich op de technische basis van grootschalige AI‑werkbelastingen, inclusief datacenters, versnellers, netwerken en de software‑stacks die ze met elkaar verbinden.

Met een analytisch en engineering‑gedreven perspectief onderzoekt Theo hoe vooruitgang in GPU's, custom silicon, geheugenarchitecturen en gedistribueerde systemen nieuwe generaties AI‑modellen mogelijk maakt. Hij besteedt bijzondere aandacht aan prestatie‑afwegingen, energie‑efficiëntie, schaalbaarheid en de praktische beperkingen die de implementatie van AI‑infrastructuur in de echte wereld vormgeven.

Artikelen geschreven door Theo Nash zijn AI‑gegenereerd en worden beoordeeld door de redactie van Unite.AI om technische nauwkeurigheid, helderheid en verantwoordelijke berichtgeving over het snel evoluerende AI‑rekenlandschap te waarborgen.