用 Grafana 为 Prometheus 创建仪表盘:新手指南
Grafana + Prometheus 可视化入门:部署 Grafana、配置数据源、创建时序图与仪表图、用变量做动态筛选、导入社区仪表盘模板,一篇上手。
Prometheus 自带的基础 UI 适合临时查数,但要做长期盯着的仪表盘,Grafana 是常见选择。本文走完从部署到出图的完整链路。
第一步:部署 Grafana
下面假设已有名为 prometheus 的容器,其 9090 端口可供同网络容器访问;为它准备一个新的 metrics 网络,再启动 Grafana。若已有同名网络或容器,应按现有配置调整,不要重复创建:
docker network create metrics
docker network connect metrics prometheus
docker volume create grafana-data
docker run -d --name grafana --network metrics \
-p 127.0.0.1:3000:3000 \
--mount source=grafana-data,target=/var/lib/grafana \
grafana/grafana:13.3.0-ubuntu
示例固定使用 2026 年 11 月 5 日官方下载页列出的 13.3.0 Ubuntu 镜像;部署时选择经过核验的版本,也可用 digest 固定镜像内容,不把会变化的 latest 当作固定版本。用户自定义网络提供容器名解析,单独运行在默认 bridge 上不会自动获得 prometheus 这个 DNS 名称。数据卷保留 Grafana 在 /var/lib/grafana 的数据库等数据,重建容器时仍需复用它;这不是 Prometheus 指标的持久化。Grafana Docker 安装 · Docker 网络
访问 http://localhost:3000。全新且未覆盖管理员设置的实例默认账号是 admin/admin,通常会提示修改密码;复用数据卷、预设凭据或使用其他认证方式时,以实际配置为准。上例只把端口发布到宿主机回环地址,远程访问需要另行配置入口。
第二步:添加 Prometheus 数据源
Connections → Data sources → Add data source → Prometheus(菜单名称可能随版本调整):
- URL:
http://prometheus:9090适用于上面的同网络容器示例,且该端点确实提供 HTTP;宿主机或远程部署应填 Grafana 服务器实际可达的地址。容器内的localhost指向 Grafana 自己,不是宿主机,也不是用户浏览器; - 认证与 TLS:只有未启用认证的本地示例才可留空;若端点要求 Basic Auth、令牌请求头或 TLS,应配置对应凭据、CA 和服务端名称等,不要为通过测试而关闭证书校验;
- Save & Test 用于检查数据源连接;通过后还要确认 Prometheus 已成功抓取所需指标,连通不等于已有主机数据。Prometheus 数据源配置
第三步:创建第一个面板
Dashboards → New → Add visualization,选刚才的数据源。下列 CPU 与内存指标以 Linux node_exporter 已运行、对应 collector 可用且 Prometheus 成功抓取为前提;它们不是 Prometheus 或 Grafana 安装后自动生成的通用指标。
时序图(Time series)——CPU 使用率示例:
100 - avg by (instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100
这里先算各 CPU 核的空闲时间速率,再按实例取平均并从 100% 扣除,得到平均非空闲比例,而不是单核曲线。5m 是速率回看窗口的示例,需有足够抓取样本;同一 instance 在多个 job 重复出现时,应先限定采集来源,避免混合聚合。Prometheus rate · node_exporter
- 查询类型选 Range,查看所选时间范围的趋势;
- Legend 设
{{instance}},图例显示实例名; - Unit 选
Percent (0-100),数值已经是 0–100 的百分数; - 面板标题写清楚"是什么 + 哪个范围"(如"CPU 使用率 - 生产集群"),标题本身不会过滤生产数据。
仪表图(Gauge)——适合单值概览(如内存占用):
(1 - node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes) * 100
这是 Linux 可用内存占总内存的补数,不是某个进程或容器的内存利用率。查询选 Instant 可在所选时间范围终点计算每个实例的值;查看历史窗口时不代表现在。若使用 Range,要明确选 Last/Last not null 等归约方式,Mean 则表示窗口内均值。最新值仍受抓取时间和缺失数据影响。Unit 设百分数,Min/Max 可设 0/100;示例阈值为 Base 绿、70 黄、90 红,含义是低于 70、70 至小于 90、至少 90,并非所有工作负载的异常标准。Gauge 与归约
第四步:用变量做动态筛选
仪表盘顶部加变量,让一套面板服务多台机器/多个服务。在仪表盘编辑模式添加变量(旧版入口是 Settings → Variables → New):
- Name:
instance - Type:Query,并选择 Prometheus 数据源
- Query type:Label values
- Label:
instance;Metric:node_cpu_seconds_total
已弃用的旧版 Classic query 的 label_values(node_cpu_seconds_total, instance) 是 Grafana 变量查询语法,不是可直接提交给 Prometheus 的 PromQL;当前新建变量优先使用 Label values 编辑器。
面板查询里用 $instance 引用;下面保留平均 CPU 使用率的口径:
100 - avg by (instance) (rate(node_cpu_seconds_total{mode="idle", instance=~"$instance"}[$__rate_interval])) * 100
启用 Multi-value 或 Include All 时,变量会按正则形式插值,使用 =~ 而非精确匹配 =。$__rate_interval 由 Grafana 在发送请求前替换,结合查询间隔与配置的抓取间隔计算;抓取间隔取查询 Min step 或数据源设置,不是面板 Min interval。它能辅助选择窗口,但配置不准、抓取中断时仍可能没有足够样本。
顶部下拉只会影响引用该变量的查询。内存面板也要在分子、分母的指标选择器中加入 instance=~"$instance";没有引用变量的面板不会自动筛选。Prometheus 变量
第五步:站在社区肩膀上
Grafana 官网的 Dashboards 市场提供可导入的模板。例如 Node Exporter Full(ID: 1860):从 Import 入口输入 1860,选择相应版本与数据源,再检查图表。
导入成功不代表指标已齐。应按模板 revision 核对 node_exporter 版本、job 名、标签和 collector;其页面建议启用 systemd、processes,某些图表依赖这些指标。插件和 Grafana 版本也可能影响显示,缺图时先查面板查询与采集配置,再按需要删改。
让仪表盘好用的几条经验
- 按受众分层:首页放 SLO 级概览(可用率、错误率),细节放下钻页——别把 200 个图堆一页;
- 区分时间参数:全局时间范围、刷新周期、Prometheus 抓取周期和
rate回看窗口是不同设置。“最近 1 小时 + 30s 刷新”只是示例,应按数据更新速度与查询负载选择; - 标注发布事件:用 Annotation 把发版标在时间轴上,可帮助检查指标变化与发版的时间关系,相关不等于因果;
- 少即是多:按阅读负担与加载成本拆分仪表盘,图表没有统一的 6–8 张有效上限。
常见问题(FAQ)
Q:Grafana 面板的查询会影响 Prometheus 性能吗?
A:会。刷新频繁、大时间范围、高基数以及昂贵表达式都会增加负载,没有所有生产环境通用的“不得低于 30s”规则。反复使用的昂贵表达式可考虑 recording rules,在 Prometheus 侧周期预计算;规则表达式使用固定的 PromQL,不直接接受 Grafana 的 $instance 或 $__rate_interval。它也会增加计算与存储成本,不是所有大范围查询都必须套用。Recording rules
Q:Grafana 和 Kibana 什么关系?
A:Grafana 可通过不同数据源展示指标、日志、链路等数据;Kibana 围绕 Elasticsearch 做文档检索、指标与时序等分析,不能简单等同“一个只看指标、一个只看日志”。观测云也可在仪表板组织已接入数据的图表,适合需要把趋势和排查入口放在一起的团队;仍需配置数据采集、查询与相关字段,而不是添加看板就自动获得数据。Grafana 概述 · Kibana 数据分析
Q:怎么把仪表盘配置纳入版本管理?
A:可导出/导入 JSON,或使用文件 provisioning。后者除了仪表盘 JSON,还需要放在 /etc/grafana/provisioning/dashboards 的 provider YAML,指定 type: file,并让 options.path 指向 Grafana 服务器或容器内实际可读的 JSON 目录;同时核对挂载、文件权限和数据源 UID。仅挂一个 dashboards 目录不会自动建立 provider。配置文件进 Git 后还需要受控同步与部署,才能形成相应的 GitOps 流程;已配置的文件来源也可能覆盖 UI 修改,应明确谁是配置源。Grafana provisioning