DataBuff v0.1.5 发布：写入压测 CPU 占用低，新增多项实用功能！

DataBuff v0.1.5 正式发布写入压测表现亮眼新增多项功能亮点DataBuff 是一款面向云原生与微服务场景的开源 AI Native OpenTelemetry APM采用 OTLP 标准接入、Apache Doris 统一存储Web 端提供拓扑 / Trace / 指标与多 Agent 排障。项目已在 OSCHINA 软件库收录链接为 。2026 - 07 - 21DataBuff 正式发布 v0.1.5 版本。相对 v0.1.4 版本此次更新共有 25 个提交、394 个文件变更。本版拿同一套微服务 Demo、在相同业务写入压力QPS 35下与 SkyWalking OAP 10.4.0 做了一次写入压测。结果显示同档负载下两侧写入吞吐基本持平DataBuff 主机 CPU 占用更低SkyWalking 内存占用更低。测试条件、逐分钟曲线与组件明细可查看对比报告 。写入压测环境业务 Demo包含 17 个微服务 × 各 2 副本以及 Redis / MySQL / Kafka 等 9 个中间件合计 43 个 Pod。写入压力业务侧 QPS 35两侧相同。压测机192.168.50.1148 vCPU / 15.5 GiB流量从 192.168.50.145 打入。对比版本DataBuff 0.1.5 对比 SkyWalking OAP 10.4.0 BanyanDB 0.10.2。采样预热约 60 分钟取稳定 40 分钟均值。图同档 QPS 35 下DataBuff 与 SkyWalking 主机 CPU / 内存 / 负载对比。图DataBuff 0.1.5 逐分钟入库吞吐稳定 40 分钟。本次压测关注写入路径与同机资源不含查询时延与 UI 体验完整对比报告含 SkyWalking 趋势与组件明细可查看 。本版本亮点AI 对话 Mermaidv0.1.5 在对话渲染链路接入 Mermaid运维专家可用拓扑图、时序关系图等结构化图形回答问题而非仅用长段落文字。日志详情抽屉日志列表保持轻量点击任意一行右侧滑出详情抽屉按需加载全字段。接入与写入加固OTLP 压缩gRPC / HTTP 支持 gzip、snappy、zstd 等Collector 默认 gzip 可直接对接无需再强制 compression: none。Span 资源忽略ingest 在 enrich / 落库前按精确名或正则丢弃健康检查、探活等噪声 Span。Doris 按体积刷写线程本地缓冲 估算体积触发 Stream Load默认约 50 MiB降低高频 load 压力。AI 运行时hydrate 不打断正在运行的专家会话LLM 配置热读工具调用格式对齐 OpenAI / Anthropic。已有 Docker 部署可执行升级脚本需保留 data/ 目录脚本如下curl -fsSL https://databuff.ai/databuff/ai-apm-update.sh | bash离线升级解压目标版本离线包后在离线包目录执行保留 data/tar -xzf databuff-ai-apm-offline-0.1.5-amd64.tar.gzcd databuff-ai-apm-offline-0.1.5-amd64sudo ./update.sh同时提供 0.1.5 架构的 amd64 / arm64 离线安装包适合内网无外网环境。快速开始新装# 安装平台curl -fsSL https://databuff.ai/databuff/ai-apm-install.sh | bash# 可选样例服务curl -fsSL https://databuff.ai/databuff/ai-apm-demo-install.sh | bash浏览器访问 http://你的主机:27403登录后配置 LLM API Key 即可使用 AI 运维能力与运维专家。组件与镜像v0.1.5组件镜像Web Platformdatabuffhub/ai-apm-web:0.1.5Ingestdatabuffhub/ai-apm-ingest:0.1.5Demodatabuffhub/ai-apm-demo:0.1.5架构简述应用 (OTLP / SkyWalking) - ai-apm-ingest - Doris - ai-apm-web (Platform AI Agents 运维专家)获取项目Release写入压测报告源码文档官网[https://databuff.ai](https://databuff.ai/)在线演示[https://demo.databuff.ai](https://demo.databuff.ai/)OSCHINA 软件主页欢迎试用 v0.1.5在 [GitHub 给我们一个 Star](https://github.com/databufflabs/databuff)并在软件主页留言交流部署与压测复现体验。