Blank white background with no objects or features visible.

Werden Sie Teil unseres VAR- und VAD-Ökosystems – und ermöglichen Sie die Governance von Unternehmens-KI über LLMs, MCPs und Agents hinweg. Read →

Victorialogs gegen Loki - Benchmarking-Ergebnisse

von Harshit Luthra

Aktualisiert: July 9, 2025

Fassen Sie zusammen mit
Metallic silver knot design with interlocking loops and circular shape forming a decorative pattern.
Blurry black butterfly or moth icon with outstretched wings on white background.
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.
TL; DR — Nach Paralleltests mit einem Workload von 500 GB/7 Tagen verkürzte VictoriaLogs die Abfragelatenzen um 94%, Speicherplatz verkleinert um ≈ 40%, und verbrauchte < 50% der CPU und des Arbeitsspeichers, die wir zuvor Loki zugewiesen hatten. Dieser Beitrag erklärt warum wir haben gewechselt.

Hintergrund und Anforderungen

Truefoundry hilft Entwicklern dabei, mehrinstanzenfähige ML-Workloads auf Kubernetes auszuführen.
Entwickler benötigen:

  • Schnelle Ad-hoc-Suche
  • Gut Verschlucken bewerten
  • Live-Tailing zum Debuggen.
  • Minimaler Betriebsaufwand — Single-Binär-Bereitstellungen werden bevorzugt.
  • Ressourceneffizient Operation an einem 4 vCPU/ 16 GiB RAM Knoten
  • Hoch Kompression Verhältnis zu gespeicherten Logs
  • Speicher blockieren > S3 wird bevorzugt, um den Overhead zu reduzieren. + Latenz

Loki hat uns anfangs gute Dienste geleistet, aber als das Volumen zunahm, sahen wir Suchlatenzen von >30 s und eine hohe I/O-Verstärkung. Dies löste eine Evaluierung von VictoriaLogs aus.

Was ist Loki?

Loki ist das Log-Aggregationssystem von Grafana‑Labs, das Logs in komprimierten Blöcken zusammen mit einem Index speichert, der aus Beschriftungen (Schlüssel-Wert-Paare). Abfragen werden ausgedrückt in LogQL und verlassen sich stark auf Etikettenfilter, gefolgt von Zeilenfiltern.

  • Stärken: enge Grafana-Integration, günstiger Index, horizontal skalierbar.
  • Einschränkungen für uns: Ein Nur-Label-Index bedeutet teure Regex-Suchen mit vollständigen Scans; hohe I/O bei der Chunk-Komprimierung; GC-Overhead bei hoher Datenaufnahme.

Was ist VictoriaLogs?

Victoria Logs ist eine Protokolldatenbank des VictoriaMetrics-Teams. Sie verwendet spaltenförmig LSM‑Stil Speicher mit Indizes pro Feld, SIMD-beschleunigter Suche und SQL-ähnliches LogSQL Syntax.

  • Stärken: Volltextindex auf allen Tokens; Single‑Binärcode; sehr geringer Speicherbedarf; schnelle Cold-Cache-Scans.
  • Kompromisse: kleineres Ökosystem, weniger integrierte Integrationen (wir leiten Daten weiter über Vektor).
How Can You Prevent GenAI Costs From Spiraling at Scale?

Benchmark-Methodik

CategoryDetails
Requests/Memory (4 vCPU, 8 GiB RAM) – identical for both systems, QoS: Guaranteed
Log Generator flog pushing 65 MB/s to Vector → Loki / Vector → VictoriaLogs
Data Set ~500 GB over 7 days; mixed duplicate & unique lines; 20 namespaces, 40 apps
Retention 7 days
Clients Locust 2.27.1, 10 virtual users, sustained 43 RPS to /select/logsql/query
Grafana
Queries Tested Stats, Needle in a Haystack, Regex, Negative (details below)
Caching Block-cache disabled for both systems to simulate cold reads; pods were restarted to ensure this.
Index Tweaks Loki: defaults; VictoriaLogs: defaults

Abfragesuite

  1. Statistiken — Gesamtzahl der Zeilen für einen Filter in den letzten 24 Stunden.
  2. Nadel im Heuhaufen — 3-4 statische Linie [UNIQUE-STATIC-LOG] ID=ABC123 XYZ in einem mit vielen Protokollen gefüllten Namespace über 7 Tage.
  3. Negativ — Zeichenfolge, die das tut nicht existieren (erzwingt vollständigen Scan) über 7 Tage.

🔍 Abfrageleistung

1. Statistik-Abfrage (Log-Anzahl über 24 Stunden)

Zweck: Gesamtzahl der Log-Zeilen von app="servicefoundry-server“

System Query Latency
Loki sum(count_over_time({app="servicefoundry-server"}[24h])) 2.5s
VictoriaLogs {app="servicefoundry-server"} | stats count() 1.5s

2. Abfrage mit der Nadel im Heuhaufen (7 Tage, ~500 GB)

Zweck: Suche nach einer eindeutigen statischen Log-Zeile in echte Gießerei Namensraum

SystemQueryLatency
Loki {namespace="truefoundry", app!="grafana"} |= "[UNIQUE-STATIC-LOG] ID=abc123 XYZ" 12s
VictoriaLogs {namespace="truefoundry", app!="grafana"} "[UNIQUE-STATIC-LOG] ID=abc123 XYZ" ~900ms

3. App Restart Log Match (7 Tage) (Zusätzliche Abfrage zur Überprüfung Schritt 2)

Zweck: Suche nach bekanntem Neustartmuster :3000 in einer kleinen Teilmenge von Protokollen (die auf einen einzelnen Shard abzielen)
Es wurde verifiziert, dass die Ergebnissätze identisch sind.

SystemQueryLatency
Loki {app="servicefoundry-server"} |= ":3000" ~2.2 s
VictoriaLogs {app="servicefoundry-server"} ":3000" ~2.2 s

4. Log-Match, das nicht existiert (7 Tage)

Zweck: Sucht nach einem nicht existierenden Protokoll und löst eine vollständige Datensuche aus
Es wurde verifiziert, dass die Ergebnissätze identisch sind.

Bei 500 GB Verarbeitungsdaten verhielt sich Loki seltsam. Die Ressourcen waren erstickt. und die Abfrageantwort wurde gestoppt.

SystemQueryLatency
Loki (500 GB) {namespace="truefoundry"} |= "non-existent log line" Timeout
VictoriaLogs (500 GB) {namespace="truefoundry"} "non-existent log line" 2.2s
Loki (300 GB) {namespace="truefoundry"} |= "non-existent log line" 2.6s
VictoriaLogs (300 GB) {namespace="truefoundry"} "non-existent log line" 266ms

Loki vs VictoriaLogs: Ergebnisse auf einen Blick

Unsere Bewertung konzentrierte sich auf drei Dimensionen, die für Plattformingenieure täglich von Bedeutung sind:

  1. Wie schnell können wir Antworten bekommen?
  2. Wie viele Ressourcen kostet diese Geschwindigkeit?
  3. Wie stabil ist das Erlebnis unter echter Belastung?

Abfrageleistung

WorkloadLokiVictoriaLogsSpeed-up
Stats (24h)2.5s1.5s40 % faster
Needle (500 GB)12s1s12× faster
Pattern “:3000” (7d)2.2s2.2ssame result
Negative (7d)2.6s266ms10× faster

Warum die Lücke? VictoriaLogs verwaltet einen Index pro Token, sodass selbst Regex‑ähnliche Scans indexunterstützt werden. Loki hingegen filtert nach einer Labelabfrage Zeile für Zeile, was zu einem Brute-Force-Scan wird, wenn der Labelsatz breit ist.

🌪️ · Leistung bei der Einnahme

Wir haben auch die Einnahme mit 120 Replikaten unserer auspeitschen Generator.
Die Ergebnisse waren augenöffnend:

Metric Loki VictoriaLogs Outcome
Peak Ingestion 20 MB/s 66 MB/s 3× higher throughput
vCPU Usage 4 vCPUs
(100 % throttled)
2 vCPUs peak ≥50 % reduction
Memory Usage ≈4 GiB ≈1.3 GiB ~3× lower

Loki:

Loki erreicht Spitzenwerte von 3—4 vCPU, nähert sich seinem 8-GiB-Limit und zeigt Drosselung bei gleicher Arbeitslast

Victoria Logs:

👉 Wichtiger Imbiss: VictoriaLogs geliefert 3× höhere Aufnahmegeschwindigkeit beim Konsum 72% weniger CPU und 87% weniger Speicher im Vergleich zu Loki.
VictoriaLogs bleibt auch bei Ingestion-Bursts bequem unter seinen Grenzwerten von 4 vCPU/ 8 GiB

2 · Ressourcenfußabdruck (Aufbewahrung 7 Tage)

Loki

Verwendeter Speicher: durchgehend mit 6-7 GB RAM
CPU-Spitze: 3 vCPU

Victoria Logs

Verwendeter Speicher: 800 MB — 900 MB
CPU-Spitzenauslastung: 1,1 vCPU
LokiVictoriaLogsDelta
Storage501 GiB318 GiB37 %
Memory6–7 GiB steady0.6–2 GiB33–80 %
CPU peak4 vCPU (throttled)1.1 vCPU73 %

3 · Real‑World-Load (Locust läuft 2 Minuten bei 10 Benutzern und 2 Rampups)

Die Abfragen waren ähnlich, mit Random Limits und Random Time-Range, um Cache-Bursts zu gewährleisten.

Victoria Logs

Loki

📌 Trotz Handhabung 36% höherer RPS, VictoriaLogs wies einen niedrigeren p 95% und niedrigere Latenzen auf — ein Beweis dafür, dass sein Indexierungsmodell dem Druck standhält 3,6x schneller Bis zu 99% Datei
Dieser Test bestärkte unsere Entscheidung: VictoriaLogs ist nicht nur theoretisch schneller — es skaliert auch besser, wenn Stress bei produktionsähnlichen Workloads anfällt.

TL; DR der Zahlen

  • 70—94% schneller über gängige Suchmuster hinweg.
  • ≈ 40% kleiner auf einer Festplatte mit demselben Aufbewahrungsfenster.
  • Die Hälfte der Rechenleistung, wodurch eine volle vCPU und ~1—2 GiB RAM auf unseren kleinsten Knoten freigegeben werden.

Fazit: Für einen protokollintensiven, suchzentrierten Anwendungsfall können wir mit VictoriaLogs Fragen in Sekunden statt in Minuten beantworten und gleichzeitig die Infrastrukturkosten senken.

Wichtigste Ergebnisse

  1. Der Volltextindex ist wichtig — Der Token‑Index von VictoriaLogs macht Brute‑Force-Linienfilterung überflüssig.
  2. Anordnung des Speichers — columnar + LSM reduziert die Festplattengröße und die Festplattensuche erheblich.
  3. Speichereffizienz — Wir haben ~2 GiB RAM pro Knoten freigegeben, was eine dichtere Planung ermöglicht.
  4. Einfache Bedienung — beide sind single‑binär, aber VictoriaLogs wird benötigt Null benutzerdefiniertes Tuning, um diese Zahlen zu erreichen.

Fazit

Für Workload-Profile, die viel Ad-hoc-Textsuche benötigen, stellte VictoriaLogs zur Verfügung Größenordnung schnellere Abfragen und Materialkosteneinsparungen. Loki ist nach wie vor eine hervorragende Wahl, wenn eine enge Grafana-Integration und Label-First-Abfragen dominieren, aber VictoriaLogs ist jetzt unser Standard für entwicklerorientierte Cluster mit hoher Datenaufnahme.

Referenzen

Häufig gestellte Fragen

Was ist der Hauptunterschied zwischen Victorialogs und Loki?

Der Hauptunterschied zwischen Victorialogs und Loki besteht in der fortschrittlichen Indizierung pro Token und der spaltenweisen Speicherung von VictoriaLogs. Dies ermöglicht eine viel schnellere Abfrageleistung und einen deutlich geringeren Ressourcenverbrauch im Vergleich zur reinen Label-Indizierung von Loki, was häufig zu langsameren Vollscan-Suchen und einem höheren Betriebsaufwand für die Protokollverwaltung führt.

Ist VictoriaLogs schneller als Loki?

Ja, in unserem strengen Benchmarking zeigte VictoriaLogs im Vergleich zu Loki eine überlegene Geschwindigkeit. Bei Vergleichen zwischen Victorialogs und Loki reduzierte VictoriaLogs die Abfragelatenzen um 94% und erzielte bei komplexen Abfragen 12-mal schnellere Suchzeiten. Es bot auch eine dreimal höhere Erfassungsleistung und war damit deutlich effizienter.

Was ist der Standardport für VictoriaLogs?

Bei der Bewertung von Victorialogs im Vergleich zu Loki ist es hilfreich, die Einrichtungsdetails zu kennen. VictoriaLogs verwendet normalerweise Port 8428 für seine Standard-HTTP-API und Scraping-Endpunkte. Dieser Port ermöglicht den Zugriff und die Interaktion mit der Protokolldatenbank. Unser Blog konzentriert sich zwar auf die Leistung, aber das Verständnis der Grundlagen der Bereitstellung, wie z. B. des Standardanschlusses, ist für die Systemkonfiguration von entscheidender Bedeutung.

Was sind die Benchmark-Ergebnisse von VictoriaLogs gegen Loki?

In Benchmarks, in denen Victorialogs mit Loki verglichen wurde, lieferte VictoriaLogs eine überragende Leistung. Es erzielte eine Reduzierung der Abfragelatenzen um 94%, verringerte die Speichernutzung um etwa 40% und verbrauchte weniger als 50% der zugewiesenen CPU und des Arbeitsspeichers. VictoriaLogs wies außerdem einen dreimal höheren Datendurchsatz auf und war damit äußerst effizient.

Was ist besser: VictoriaLogs oder Loki?

In unserem Benchmark Victorialogs gegen Loki erwies sich VictoriaLogs als überlegen. Es senkte die Abfragelatenzen um 94%, reduzierte den Speicherplatz um 40% und verbrauchte über 50% weniger CPU/RAM. TrueFoundry in den USA entschied sich aufgrund der verbesserten Leistung und Effizienz bei der Verwaltung von ML-Workloads für VictoriaLogs.

Der schnellste Weg, deine KI zu entwickeln, zu steuern und zu skalieren

Melde dich an
Inhaltsverzeichniss

Steuern, implementieren und verfolgen Sie KI in Ihrer eigenen Infrastruktur

Buchen Sie eine 30-minütige Fahrt mit unserem KI-Experte

Eine Demo buchen

Der schnellste Weg, deine KI zu entwickeln, zu steuern und zu skalieren

Demo buchen

Entdecke mehr

August 27, 2025
|
Lesedauer: 5 Minuten

Kartierung des KI-Marktes vor Ort: Von Chips bis zu Steuerflugzeugen

March 24, 2023
|
Lesedauer: 5 Minuten

Einführung in Kubernetes und MLOps: Herausforderungen und Vorteile

October 7, 2022
|
Lesedauer: 5 Minuten

Kubernetes für Datenwissenschaftler — Prognosen hosten

February 15, 2024
|
Lesedauer: 5 Minuten

Ein Leitfaden für Cloud Node Auto-Provisioning

May 16, 2026
|
Lesedauer: 5 Minuten

The Agent Sprawl Problem: Why Enterprises Need Control Before Autonomy

Keine Artikel gefunden.
May 15, 2026
|
Lesedauer: 5 Minuten

Introducing Skills Registry: Reusable Agent Skills for Production AI Systems

Keine Artikel gefunden.
Types of AI agents governed by TrueFoundry enterprise control plane
May 15, 2026
|
Lesedauer: 5 Minuten

Types of AI Agents: Definitions, Roles, and What They Mean for Enterprise Deployment

Keine Artikel gefunden.
May 15, 2026
|
Lesedauer: 5 Minuten

OAuth at the MCP Layer: How We Solved Enterprise Token Management for AI Agents

Keine Artikel gefunden.
Keine Artikel gefunden.

Aktuelle Blogs

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.
Machen Sie eine kurze Produkttour
Produkttour starten
Produkttour