📌 第一部分：Grafana 概览与定位

1.1 定义与全称

Grafana 是由 Torkel Ödegaard 于 2014 年创建的开源数据可视化和监控平台，是云原生可观测性领域的核心工具。Grafana 支持连接数十种数据源，通过丰富的图表和告警功能，将海量数据转化为 直观的仪表板。

1.2 核心定位

Grafana 的核心定位是 统一的数据可视化平台。它提供了：

• 多数据源支持（Prometheus、MySQL、Elasticsearch、CloudWatch、InfluxDB 等）
• 丰富的图表类型（折线图、柱状图、热力图、地理图、表格等）
• 告警规则和通知
• 仪表板模板和分享
• 统一查询界面（Explore）
• 插件生态系统
• 企业级认证和权限管理
• 与 Prometheus 深度集成

1.3 主要应用领域

• 系统监控： 服务器、应用性能监控
• 业务分析： 业务指标实时展示
• 日志分析： 日志数据可视化
• IoT 数据： 传感器数据展示
• 金融数据： 实时数据看板
• DevOps 监控： CI/CD 流水线监控
• AIOps： 智能运维数据展示

1.4 知名案例

• Uber： 使用 Grafana 监控微服务
• Spotify： 使用 Grafana 展示业务数据
• GitLab： 内置 Grafana
• 阿里巴巴： 使用 Grafana 监控云服务
• 腾讯： 使用 Grafana 展示监控数据
• 国内几乎所有互联网公司： 使用 Grafana

---

📜 第二部分：Grafana 的历史与发展演进

2.1 诞生背景（2014年）

Grafana 由 Torkel Ödegaard 于 2014 年创建，最初是作为 Graphite 和 InfluxDB 的可视化工具。Grafana 很快支持了更多数据源，成为最流行的监控仪表板工具。

2.2 关键版本里程碑

• Grafana 1.0（2014年）： 首次发布
• Grafana 2.0（2015年）： 支持告警
• Grafana 3.0（2016年）： 增强可视化
• Grafana 4.0（2017年）： 支持 Elasticsearch
• Grafana 5.0（2018年）： 内置 Prometheus
• Grafana 6.0（2019年）： 增强告警
• Grafana 7.0（2020年）： 统一查询界面
• Grafana 8.0（2021年）： 性能优化
• Grafana 9.0（2022年）： 新的 UI
• Grafana 10.0（2023年）： 最新版本
• Grafana 11.0（2024年）： 最新版本

---

⚙️ 第三部分：核心概念与配置

3.1 核心概念

• Data Source（数据源）： 数据来源（Prometheus、MySQL 等）
• Dashboard（仪表板）： 多个 Panel 的集合
• Panel（面板）： 单个可视化图表
• Query（查询）： 从数据源获取数据的语句
• Alert（告警）： 基于数据触发的告警规则
• Explore（探索）： 临时查询界面
• Organization（组织）： 隔离资源

3.2 数据源配置

# 配置 Prometheus 数据源
apiVersion: 1

datasources:
  - name: Prometheus
    type: prometheus
    url: http://prometheus:9090
    access: proxy
    isDefault: true
    jsonData:
      timeInterval: 15s

# 配置 MySQL 数据源
  - name: MySQL
    type: mysql
    url: mysql:3306
    database: mydb
    user: root
    secureJsonData:
      password: password
    jsonData:
      maxOpenConns: 100
      maxIdleConns: 100

# 配置 Elasticsearch 数据源
  - name: Elasticsearch
    type: elasticsearch
    url: http://elasticsearch:9200
    access: proxy
    database: logs-*
    jsonData:
      timeField: "@timestamp"
      esVersion: 7.0

3.3 仪表板配置（JSON）

{
  "title": "系统监控",
  "panels": [
    {
      "title": "CPU 使用率",
      "type": "graph",
      "gridPos": {"h": 8, "w": 12},
      "targets": [
        {
          "expr": "100 - (avg(rate(node_cpu_seconds_total{mode=\"idle\"}[5m])) * 100)",
          "legendFormat": "CPU 使用率"
        }
      ]
    },
    {
      "title": "内存使用率",
      "type": "graph",
      "gridPos": {"h": 8, "w": 12},
      "targets": [
        {
          "expr": "(1 - (node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes)) * 100",
          "legendFormat": "内存使用率"
        }
      ]
    },
    {
      "title": "磁盘空间",
      "type": "graph",
      "gridPos": {"h": 8, "w": 12},
      "targets": [
        {
          "expr": "(node_filesystem_avail_bytes{mountpoint=\"/\"} / node_filesystem_size_bytes{mountpoint=\"/\"}) * 100",
          "legendFormat": "磁盘使用率"
        }
      ]
    },
    {
      "title": "网络流量",
      "type": "graph",
      "gridPos": {"h": 8, "w": 12},
      "targets": [
        {
          "expr": "rate(node_network_receive_bytes_total[5m])",
          "legendFormat": "接收"
        },
        {
          "expr": "rate(node_network_transmit_bytes_total[5m])",
          "legendFormat": "发送"
        }
      ]
    }
  ],
  "time": {"from": "now-6h", "to": "now"},
  "refresh": "30s"
}

3.4 PromQL 查询示例

// CPU 使用率（百分比）
100 - (avg(rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)

// 内存使用率（百分比）
(1 - (node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes)) * 100

// 磁盘使用率（百分比）
(1 - (node_filesystem_avail_bytes{mountpoint="/"} / node_filesystem_size_bytes{mountpoint="/"})) * 100

// 网络接收流量
rate(node_network_receive_bytes_total[5m])

// 网络发送流量
rate(node_network_transmit_bytes_total[5m])

// Pod CPU 使用率
sum(rate(container_cpu_usage_seconds_total{container!=""}[5m])) by (pod)

// Pod 内存使用率
sum(container_memory_working_set_bytes{container!=""}) by (pod)

// QPS（每秒请求数）
sum(rate(http_requests_total[1m]))

// 错误率
sum(rate(http_requests_total{status=~"5.."}[5m])) / sum(rate(http_requests_total[5m]))

3.5 告警配置

# 告警规则配置
alerting:
  alertmanagers:
    - static_configs:
        - targets:
          - alertmanager:9093

# 告警联系点
receivers:
  - name: email
    email_configs:
      - to: admin@example.com
        from: alert@example.com
        smarthost: smtp.example.com:587
        auth_username: alert@example.com
        auth_password: password

  - name: webhook
    webhook_configs:
      - url: http://webhook.example.com/alert
        send_resolved: true

  - name: slack
    slack_configs:
      - api_url: https://hooks.slack.com/services/xxx/yyy/zzz
        channel: #alerts
        text: "{{ .CommonAnnotations.description }}"

# 告警路由
route:
  group_by: ["alertname", "cluster"]
  group_wait: 30s
  group_interval: 5m
  repeat_interval: 4h
  receiver: email
  routes:
    - match:
        severity: critical
      receiver: webhook
    - match:
        severity: warning
      receiver: email

3.6 仪表板变量

# 变量定义
{
  "templating": {
    "list": [
      {
        "name": "instance",
        "type": "query",
        "query": "label_values(node_boot_time, instance)",
        "includeAll": true
      },
      {
        "name": "job",
        "type": "query",
        "query": "label_values(node_boot_time, job)"
      },
      {
        "name": "interval",
        "type": "interval",
        "options": ["1m", "5m", "15m", "1h"],
        "auto": true
      }
    ]
  }
}

# 在查询中使用变量
100 - (avg(rate(node_cpu_seconds_total{mode="idle", instance=~"$instance"}[$interval])) * 100)

---

⚖️ 第四部分：Grafana vs 其他可视化工具

对比项	Grafana	Kibana	Tableau	DataStudio
数据源	40+	Elasticsearch	60+	Google 生态
实时监控	✅ 原生	✅	❌	✅
告警	✅ 原生	✅	❌	❌
开源	✅	✅	❌	❌
适用场景	监控/运维	日志分析	BI 报表	营销分析

---

🧠 第五部分：学习建议

推荐学习资源

• Grafana 官方文档： grafana.com/docs
• Grafana 社区： community.grafana.com
• 《Grafana 实战》—— 全面入门
• Grafana 仪表板库： grafana.com/grafana/dashboards

---

🎯 总结升华