Thanos Compactor 组件是针对 Prometheus 2.x 存储引擎的生成的数据来进行压缩和降准的组件。
对于数据压缩来说，并行操作是存在一定安全风险的，所以 Thanos Compactor 组件需要单部实例署，一个对象存储的桶，一个组件。
Thanos Compactor 组件负责数据的降采样:
- 对大于 40 小时的区块创建 5m 间隔的下采样(2d, 2w)
- 为大于 10 天的区块创建 1h 间隔下采样(2w)
启动方式可以参考如下命令：
thanos compact --data-dir /tmp/thanos-compact --objstore.config-file=bucket.yml
bucket.yml 是对象存储的访问验证文件。
默认情况下，Thanos Compactor 组件只运行一次，运行结束就退出，这使得它可以作为 cronjob 执行。如果想要Thanos Compactor组件长期运行，可以使用 --wait 和 --wait-interval=5m 参数。
Thanos 的 Compactor、Sidecar、Receive 和 Ruler 这些组件都对对象存储有写权限，只有 Compactor 组件对对象存储有删除权限，可以删除数据。
前边说过，Prometheus 在启动的时候都没有开启自身的数据压缩功能，所以上传到对象存储的原始数据都是未压缩的，这个时候 Thanos Compactor 会定期对这些数据块进行压缩。每个数据块含某个 Prometheus 实例 2 个小时的监控数据。
通常这些数据块都来自同一个 Prometheus 实例，来自单个 Prometheus 实例的数据块被称为 compaction group ，可以通过 external label 来进行区分数据块，具有相同标签的数据块来自于同一个 Prometheus 数据源，external labels 是在 Prometheus 启动的时候添加配置好的，所以在不同的 Prometheus 实例中，Block 上的标签必须是唯一和持久不变的，否则新增一个 external labels ，也会导致新数据块与旧的数据块被判定为 2 个数据源头。
- 唯一性：一个 Prometheus 的 Label 必须和其他的 Prometheus 是不同的，这样 Thanos Compactor 才能区分不同的 Prometheus 实例。
- 持久化：对于同一个 Prometheus 实例，Prometheus 的 Label必须保证在整个生命周期结束之前保持不变，这样即使这个 Prometheus 实例宕机， Thanos Compactor 也会继续对之前的数据进行处理，并且 Prometheus 实例恢复以后，新的数据和之前的数据是处于同一个数据源的。
原生的 Prometheus 单点实例并不会存储 external labels ，这些 label 会在上传到对象存储的时候由 Sidecar 添加到 Thanos 的元数据文件 meta.json 中。
需要注意的是，在单个对象存储中，只有一个 Thanos Compactor 可以对这个桶进行操作。因为不是所有的对象存储都对访问程序提供了安全的锁定机制，为了防止多个程序同时操作对象存储导致的数据重叠或者丢失，有必要通过其他手段保持数据的准确性。
在 Thanos 的未来版本中，一旦垂直压缩达到生产状态，这两个限制可能会被取消。不过，只要每个实例压缩单独的数据块，你就可以对一个 Bucket 运行多个compactor。通过这样的方式来扩展压缩过程。
垂直压缩
Thanos 和 Prometheus 支持垂直压缩，即将多个数据块压缩成一个数据块的过程。 在 Prometheus 中可以通过在配置文件中设置一个隐藏参数并将额外的数据块放在 Prometheus 的本地数据目录中来触发。额外的数据块可以与现有的块重叠。当 Prometheus 检测到这种情况时，它会进行垂直压实，将重叠的块压实成一个。这主要用于回填。
在 Thanos 中，逻辑类似，但规模更大，并使用 external labels 进行分组。
在这两个系统中，具有相同标签的系列被合并在一起。在 Prometheus 中，合并样本是幼稚的，它的工作原理是在完全相同的时间戳内重复删除样本。否则，样本将被合并并按时间戳排序。Thanos还支持一种新的基于惩罚的样本合并策略，在重复数据删除中对此进行了解释。
注意: Prometheus 和 Thanos 的默认行为是，如果发现任何重叠块，就会失败压缩。
使用垂直压缩有一定的风险，比如：你意外地上传了具有相同外部标签、但由完全不同的Prometheus 为完全不同的应用程序生成的数据块，那么一些指标可能会重叠并可能合并在一起，从而使部分数据无法使用成为了脏数据，如果将多个区块中的不相交的数据合并在一起，目前还没有简单的方法将它们拆分回来。
垂直压缩默认是不开启的，可以使用 --compact.enable-vertical-compaction 参数来打开垂直压缩。
如果您想对重复数据删除用例进行“虚拟”分组，请使用 --deduplication.replica-label=LABEL 设置一个或多个标签在块加载期间被忽略。
比如有如下的数据
external_labels: {cluster="eu1", replica="1", receive="true", environment="production"}
external_labels: {cluster="eu1", replica="2", receive="true", environment="production"}
external_labels: {cluster="us1", replica="1", receive="true", environment="production"}
external_labels: {cluster="us1", replica="1", receive="true", environment="staging"}
那么通过设置 --deduplication.replica-label=replica ，那么最终的数据是：
external_labels: {cluster="eu1", receive="true", environment="production"} (两条数据变成了 1 条)
external_labels: {cluster="us1", receive="true", environment="production"}
external_labels: {cluster="us1", receive="true", environment="staging"}
数据保留
缺省情况下，对象存储的数据是没有过期时间的，这意味着里边的数据可以一直存储下去，Thanos 的数据长期存储就是基于这个特性，但是长期存储并不意味这要一直存储到天荒地老，在实际生产换中，我们还是需要对数据的留存期限做一定的限制的，这个限制可以通过 Thanos 的 3 个参数实现，--retention.resolution-raw --retention.resolution-5m 和 --retention.resolution-1h 。
超过数据留存其他的数据会在压缩和降准后删除，如果失败了永远不会被组件删除，只能手动删除。
降准
降准是一个重写序列的过程，以减少整体分辨率的样本，而不在更长的时间范围失去精度。 关于thanos降采样工作原理的
Thanos Compactor 使用原始的未经过降准的数据块作为依据，创建一个新的降准过的数据块，降准过的数据块会议 AggrChunk 的形式出现在存储级。
message AggrChunk {
int64 min_time = 1;
int64 max_time = 2;
Chunk raw = 3;
Chunk count = 4;
Chunk sum = 5;
Chunk min = 6;
Chunk max = 7;
Chunk counter = 8;
}
这意味着，对于每个 Series 我们以给定的间隔收集不同的聚合间隔 5m 或 1h (取决于分辨率)。这允许我们在不获取太多原始监控数据的情况下，保持大持续时间范围查询的精度。
降低采样:关于分辨率和留存率的注意事项
分辨率是图表上两个数据点之间的距离。比如
- Raw - 与数据源获取监控指标的间隔相同
- 5m - 每 5 分钟一个数据点
- 1h - 每 1 小时一个数据点
请记住，数据降准的最初目标不是节省磁盘或对象存储空间。事实上，降准并不会为你节省任何空间，相反，它会为每个原始数据块增加2个新的数据块，这些新增的数据块的大小与原始块相比可能会略小也有可能相等。降准后的数据块是经过各种聚合的，这意味着，如果选择存储所有的分辨率，那么降准这个操作会使存储空间变大，可能会是之前的 3 倍大小。
数据降准的目标是为大范围时间(如月或年)的范围查询提供一个获得快速结果的机会。换句话说，如果你设置原始数据的留存时间比 5m 的降准数据留存时间短（--retention.resolution-raw 的值比--retention.resolution-5m 和 --retention.resolution-1h小），那么会遇到一个问题，当你想查看细节的时候，细节丢失了，你看不到了。
简单来说，原始数据是细节，所以考虑 --retention.resolution-raw 、--retention.resolution-5m 和 --retention.resolution-1h
这 3 个值的怎么设置的时候，如果你的需求是需要看到一年前某个时间段的详细数据，那么需要保留原始数据和 5m 的降准数据，你需要解决长期存储带来的巨大的存储成本，如果你只需要看到最近的详细数据，一年前的情况有一个大概的趋势就可以，那么保留 1h 的降准数据长期存放，其他数据短期即可，这样可以兼顾数据长期存储和存储的成本。
如果不需要对原始数据进行降准，可以使用参数 --downsampling.disable 关闭。
--retention.resolution-raw 、--retention.resolution-5m 和 --retention.resolution-1h 参数不设置或者设置为 0 ，意味着数据永久保留。