4. Grafana可视化：让数据会说话

说实话，运维数据光有指标还不够。你得让它们「看得见」。

我见过太多团队，Prometheus里存了几百个指标，但没人去看。为什么？因为数据都在黑盒里，没有变成直观的图表。Grafana就是那个把数据「翻译」成图表的工具。今天我就带你走一遍，从数据源配置到告警配置的完整流程。

4.1 数据源配置：第一步不能错

Grafana本身不存数据。它是个「画板」，数据源才是「颜料」。我刚开始用Grafana时犯过一个低级错误——配错了数据源地址，折腾了半天图表都是空的。后来学乖了，配完先点一下「Save & Test」。

支持的常见数据源：

• Prometheus：监控标配，时序数据首选
• InfluxDB：适合IoT和事件型数据
• Elasticsearch：日志分析场景
• MySQL / PostgreSQL：业务数据可视化

配置步骤其实很简单：

1. 进入 Configuration → Data Sources → Add data source
2. 选择类型（比如Prometheus）
3. 填写URL（例如 http://localhost:9090）
4. 点击「Save & Test」验证连通性

4.2 Dashboard设计原则：别做成「监控墙」

你见过那种满屏都是图表的监控大屏吗？红红绿绿一片，根本不知道看哪里。说白了，那是「监控墙」，不是Dashboard。

我总结了几条设计原则，你可以参考：

原则	说明	我的经验
分层设计	从上到下：全局 → 服务 → 实例	先看整体水位，再下钻定位
聚焦关键	每屏不超过6-8个图表	超过8个，人眼就疲劳了
统一时间轴	所有图表使用相同时间范围	否则对比时容易误判
颜色语义化	绿色=正常，黄色=警告，红色=异常	别用花里胡哨的颜色

4.3 常用图表类型：选对图表，事半功倍

Grafana里图表类型很多，但常用的就那几种。我按场景给你拆解一下。

折线图（Time Series）

最常用的图表，没有之一。适合展示指标随时间的变化趋势。

典型场景：CPU使用率、QPS、延迟P99

// PromQL 示例：过去1小时CPU使用率
100 - (avg by(instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)

嗯，这里要注意：折线图不要同时展示超过5条线。否则就变成「意大利面条」了，谁也看不清。

柱状图（Bar Chart）

适合做对比，比如不同服务的请求量、不同机器的内存使用量。

典型场景：各服务错误数排行、各机房流量对比

热力图（Heatmap）

这个图表有点「高级」，但用好了非常强大。它用颜色深浅表示数值密度，适合分析分布情况。

典型场景：请求延迟分布、错误发生的时间分布

// 热力图查询示例：请求延迟分布
histogram_quantile(0.99, sum(rate(http_request_duration_seconds_bucket[5m])) by (le))

热力图有个好处：你能看到「大多数请求的延迟集中在哪个区间」。比如P99是500ms，但热力图显示大部分请求其实在100ms以内，只有少数几个毛刺拉高了P99。这种信息折线图是看不出来的。

4.4 告警配置：让Grafana主动找你

Dashboard是给人看的。但你不能24小时盯着屏幕。所以告警很重要——让Grafana在指标异常时主动通知你。

Grafana的告警系统经历过一次大改版。现在用的是「统一告警」（Unified Alerting），配置起来更灵活。

配置步骤：

1. 进入 Alerting → Alert rules → New alert rule
2. 选择数据源和查询语句
3. 设置触发条件（例如：CPU > 90% 持续5分钟）
4. 配置通知渠道（邮件、钉钉、Slack等）
5. 设置静默时间（避免半夜被骚扰）

// 告警规则示例（PromQL）
avg by(instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) < 0.1
// 含义：CPU空闲率低于10%，持续5分钟，触发告警

通知渠道配置：

• 邮件：配置SMTP，适合非紧急告警
• 钉钉/企业微信：Webhook接入，适合值班通知
• Slack：海外团队常用
• PagerDuty：适合SRE团队，支持排班

我个人习惯把告警分三级：

• P0（紧急）：服务宕机，直接电话+短信
• P1（警告）：指标异常，钉钉群通知
• P2（提醒）：趋势预警，邮件日报

这样分级后，大家不会对告警「免疫」。该重视的重视，该忽略的忽略。

---

好了，Grafana可视化的核心内容就这些。数据源配好、Dashboard设计合理、图表选对、告警配置到位，你的运维指标体系就真正「活」起来了。数据不再是冷冰冰的数字，而是能帮你做决策的「眼睛」。