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：https://www.oschina.net/p/databuff 今天，DataBuff 正式发布 v0.1.5（2026-07-21）。相对 v0.1.4 共 25 个提交、394 个文件变更。本版我们拿同一套微服务 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：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见对比报告：https://databuff.ai/blog/zh/databuff-vs-skywalking-write-perf/ 写入压测环境 业务 Demo：17 个微服务 × 各 2 副本，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：192.168.50.114（8 vCPU / 15.5 GiB），流量从 192.168.50.145 打入 对比版本：DataBuff 0.1.5 vs 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）：https://databuff.ai/blog/zh/databuff-vs-skywalking-write-perf/ 本版本亮点 1. AI 对话 Mermaid v0.1.5 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，而不只是长段落文字。 2. 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。 3. 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，保留 data/ 目录： 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.gz cd databuff-ai-apm-offline-0.1.5-amd64 sudo ./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 Platform databuffhub/ai-apm-web:0.1.5 Ingest databuffhub/ai-apm-ingest:0.1.5 Demo databuffhub/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：https://github.com/databufflabs/databuff/releases/tag/0.1.5 写入压测报告：https://databuff.ai/blog/zh/databuff-vs-skywalking-write-perf/ 源码：https://github.com/databufflabs/databuff 文档：https://github.com/databufflabs/databuff/tree/master/docs 官网：https://databuff.ai 在线演示：https://demo.databuff.ai OSCHINA 软件主页：https://www.oschina.net/p/databuff 欢迎试用 v0.1.5，在 GitHub 给我们一个 Star，并在软件主页留言交流部署与压测复现体验。