grafana面板介绍

grafana 快速使用

背景

随着公司业务的不断发展，紧接来的是业务种类的增加、服务器数量的增长、网络环境的越发复杂以及发布更加频繁，从而不可避免地带来了线上事故的增多，因此需要对服务器到应用的全方位监控，提前预警，目前多采用prometheus/Zabbix + grafana的方式来解决这个问题。

Grafana简介

Grafana 是一个可视化工具，简单点说就是用来展示数据的。它和Zabbix、Prometheus 有本质区别，在于它不能解决监控问题，仅用于展示。也就是说，在监控领域，Grafana 需要配合 Zabbix、Prometheus 等工具一起使用，以获取数据源。

官网地址：https://grafana.com/
官方文档：https://grafana.com/docs/grafana/next/
官方模板地址: https://grafana.com/grafana/dashboards/

Grafana 官方还对 Grafana 的适用场景以及基本特征作了介绍：

• 工业物联网场景数据

  grafana最常用于因特网基础设施和应用分析，但在其他领域也有机会用到，比如：工业传感器、家庭自动化、过程控制等等。

• 多租户和多维度的权限控制
  支持多租户的场景·使用Org区分不同的用户，数据源和dashboard进行隔离。多种用户角色·除了支持用户也支持Team的管理。多维度的权限控制，支持org·folder·dashboard三层的权限控制·可满足各种使用场景。

• 仪表板和可视化
  Grafana支持众多的显示pane!。可帮助您快速构建各类显示效果·满足各类场景的需求、同时通过简单的拖拉缩放即可快速进行排版布局，操作简易方便，支持变量，注释的特性，可方便制作动态panel。同一张dashboard通过动态切换变量更换显示的数据。

• 数据源和集成
  支持众多的数据源，内置集成Graphite,Prometheus·InfluxDB,MySQL·PostgreSQL和Elasticsearch:等内置插件，另外支持众多的第三方数据源的插件·并可自行进行扩展·方便接入更多的数据来源并进行显示。每种数据源有自己特性化的查询编辑器·帮助用户简单方便掌握各类数据的查询配置。

• 警报和通知
  Grafana附带内置警报引擎，允许用户设置一定的条件规则到特定panel上。数据刷新警报触发之后，可产生一系列的事件。并内置插件支持显示·同时结合notification通知功能·警报触发之后可自动发送通知·支持的方式众多（例如，Email,Slack,LINE,Telegram,自定义的webhook等)

• 和Prometheus·Loki集成度高
  Prometheus是一个领先的开源监控解决方案·属于一站式监控告警平台，依赖少、功能齐全。Loki是一个可水平伸缩、高可用、多租户的日志聚合系统。在grafana.上都有高度的集成和方便的使用。

• 插件化的结构·更易于扩展
  Grafana是插件化的架构·对于panel·data source·app都可以开发插件进行扩展·插件的开发轻量简易·放入指定插件目录下注册即可生效·对于显示效果的增加或是更多数据源的接入都可以轻松解决。

• 开源社区
  拥有强大的用户社区和活跃的贡献者·它已拥有54个数据源·50个面板·17个应用程序和1732个仪表盘·在github上有25000多次提交，并且Star为35.6K之多·持续更新，快速进版增加新功能。

这里需要留意的是，上面官方列举的数据源都是时序型数据库。这也透露出 Grafana 的另一大适用性：Grafana 一般是配合时序数据库做数据展示的。

Grafana 与 Kibana 的区别

Kibana 是运维圈耳熟能详的后端数据实时展示工具。日常工作中，大家都用 Kibana 结合Logstash、ElasticSearch 等组件一起使用做日志展示、索引、分析的。但Kibana也可以接入其他数据源的，只不过最常见的用法还是展示日志。

Grafana 最早其实应该是 Kibana3 的一个分支。不同的是，Grafana 拥有自己的权限管理和用户管理系统，而 Kibana 没有权限管理系统。Kibana 和 ES 结合紧密，支持强大的ES语法，比较适合做一些多维度的分析和查询，而Grafana更适合用于展示，图形比Kibana美观很多。

简易安装

安装方式有很多，本次采用docker方式

docker run -d --name=grafana -p 3000:3000 grafana/grafana:9.5.7

浏览器访问： http://xx.xx.xx.xx:3000/login(要换成你的IP)

首次登陆账号和密码都是：admin

页面按钮功能介绍

搜索

搜索已有的面板

添加

• New dashboards：添加仪表盘
• Import dashboards：可导入模板仪表板文件或者json(模板地址：https://grafana.com/grafana/dashboards/)
• Create alert rule：创建告警规则

总览

Starred

仪表盘收藏：

仪表盘管理

Palylist

播放列表

可以将多个仪表盘添加至播放列表，通过一个大屏循环播放。适合用作数据展示给公众浏览。

Snapshots

快照

是一种公开共享仪表板，任何人都可以访问，剥离出查询等敏感数据，并不可操作，仅展示某一刻的可见的数据。

探索

以便专注于查询语句编写和数据展示，直到写出有一个有效的查询语句，然后再考虑构建仪表板。减少不必要信息元素的干扰，用于调试和查看数据。

告警通知

告警规则和告警设置

下面以添加一个webhook告警的例子来讲解，以下步骤存在顺序！！！

Contact point

首先，在Contact point（链接点）添加一个webhook地址，如下：

注意这里的告警标题和告警内容（可以都不添加，不添加得话，grafana返回给webhook得json少两个字段，即title和message），他是模板化得一个配置，需要引用外部你用go语言自定义得模板

我们这里先选择不添加！

grafana返回给webhook的是一个json体，如下：

来源：https://grafana.com/docs/grafana/v9.5/alerting/manage-notifications/webhook-notifier/
{
"receiver": "My Super Webhook",
"status": "firing",
"orgId": 1,
"alerts": [{"status": "firing","labels": {"alertname": "High memory usage","team": "blue","zone": "us-1"},"annotations": {"description": "The system has high memory usage","runbook_url": "https://myrunbook.com/runbook/1234","summary": "This alert was triggered for zone us-1"},"startsAt": "2021-10-12T09:51:03.157076+02:00","endsAt": "0001-01-01T00:00:00Z","generatorURL": "https://play.grafana.org/alerting/1afz29v7z/edit","fingerprint": "c6eadffa33fcdf37","silenceURL": "https://play.grafana.org/alerting/silence/new?alertmanager=grafana&matchers=alertname%3DT2%2Cteam%3Dblue%2Czone%3Dus-1","dashboardURL": "","panelURL": "","valueString": "[ metric='' labels={} value=14151.331895396988 ]"},{"status": "firing","labels": {"alertname": "High CPU usage","team": "blue","zone": "eu-1"},"annotations": {"description": "The system has high CPU usage","runbook_url": "https://myrunbook.com/runbook/1234","summary": "This alert was triggered for zone eu-1"},"startsAt": "2021-10-12T09:56:03.157076+02:00","endsAt": "0001-01-01T00:00:00Z","generatorURL": "https://play.grafana.org/alerting/d1rdpdv7k/edit","fingerprint": "bc97ff14869b13e3","silenceURL": "https://play.grafana.org/alerting/silence/new?alertmanager=grafana&matchers=alertname%3DT1%2Cteam%3Dblue%2Czone%3Deu-1","dashboardURL": "","panelURL": "","valueString": "[ metric='' labels={} value=47043.702386305304 ]"}
],
"groupLabels": {},
"commonLabels": {"team": "blue"
},
"commonAnnotations": {},
"externalURL": "https://play.grafana.org/",
"version": "1",
"groupKey": "{}:{}",
"truncatedAlerts": 0,
"title": "[FIRING:2]  (blue)",
"state": "alerting",
"message": "**Firing**\n\nLabels:\n - alertname = T2\n - team = blue\n - zone = us-1\nAnnotations:\n - description = This is the alert rule checking the second system\n - runbook_url = https://myrunbook.com\n - summary = This is my summary\nSource: https://play.grafana.org/alerting/1afz29v7z/edit\nSilence: https://play.grafana.org/alerting/silence/new?alertmanager=grafana&matchers=alertname%3DT2%2Cteam%3Dblue%2Czone%3Dus-1\n\nLabels:\n - alertname = T1\n - team = blue\n - zone = eu-1\nAnnotations:\nSource: https://play.grafana.org/alerting/d1rdpdv7k/edit\nSilence: https://play.grafana.org/alerting/silence/new?alertmanager=grafana&matchers=alertname%3DT1%2Cteam%3Dblue%2Czone%3Deu-1\n"
}

Notification policies

接下来我们来添加一下告警策略，点击 New nested policy

Matching labels指的是打标签，这里可以打多个标签；

Contact point 这里配的是链接点

这两个配置的意思是，告警将会根据标签匹配，如果标签完全匹配，则向链接点发送json数据

Continue matching subsequent sibling nodes： 暂时不清楚

Override grouping：暂时不清楚

Override general timings：这个很重要！！！！！这个涉及到报警的频率

其中它包括3个参数，分别为Group wait，Group interval，Repeat interval

1. Group wait（分组等待时间）：当多个告警条件同时满足时，Grafana会将这些告警分组，而Group wait表示在触发第一个告警后，等待其他告警条件满足的时间。举个例子，假设你有一个监控系统，同时监控服务器的CPU和内存使用率。如果设置了Group wait为5分钟，当CPU使用率和内存使用率同时超过阈值时，Grafana会等待5分钟，看是否还有其他告警条件满足。如果在这5分钟内没有其他告警条件满足，Grafana会触发告警。

2. Group interval（分组间隔时间）：当多个告警条件同时满足且Group wait时间过去后，Grafana会触发告警并将这些告警分组。Group interval表示在触发第一个告警后，等待下一组告警的时间间隔。继续上面的例子，假设设置了Group interval为10分钟，当CPU使用率和内存使用率同时超过阈值并且Group wait时间过去后，Grafana会触发告警并将它们分组。然后，Grafana会等待10分钟，看是否还有其他告警条件满足。如果在这10分钟内有新的告警条件满足，它们会被添加到同一组告警中。

3. Repeat interval（重复间隔时间）：当告警被触发后，Repeat interval表示在发送第一次告警通知后，等待下一次发送告警通知的时间间隔。举个例子，假设设置了Repeat interval为1小时，当某个告警触发后，Grafana会立即发送一次告警通知。然后，它会等待1小时，再次发送告警通知。这样的重复通知可以帮助确保持续关注并及时处理问题。

   假设你有一个监控系统，用于监控公司的服务器。你设置了一个告警规则，当服务器的CPU使用率超过90%时，触发告警通知。同时，你将Repeat interval设置为30分钟。

   现在假设某个服务器的CPU使用率超过了90%，Grafana会立即发送一次告警通知，通知相关人员服务器出现了问题。然后，Grafana会等待30分钟，再次检查服务器的CPU使用率。

   如果在这30分钟内，服务器的CPU使用率仍然超过90%，Grafana会再次发送告警通知，提醒相关人员问题仍然存在。然后，Grafana会再次等待30分钟，继续检查服务器的CPU使用率。

   这个过程会一直重复下去，直到服务器的CPU使用率低于90%或者告警被关闭。每次重复间隔过后，Grafana都会重新检查服务器的状态，并决定是否发送新的告警通知。

对于这些字段的定义，官网地址如下：通知策略 |Grafana 文档

Mute timings：是否定期去执行

Alert rules

添加告警规则，找到你想添加告警的报表，来进行添加。

然后进去之后是下图这个页面

这里需要注意的地方是统计方式，你选择的函数不一样，就会导致计算结果不一样！

各个函数的含义，官方示意为：

地址：Queries and conditions | Grafana documentation

简单来说就是：

1. Math：Math 选项允许您对数据进行数学运算。这可以用于执行各种统计任务，例如求平均值、求和、求积等。例如，您可以使用 Math 选项计算一个特定指标的移动平均值，以便更好地了解其趋势。
2. Reduce：Reduce 选项允许您对数据进行聚合操作，即将多个数据点合并成一个或几个数据点。这可以用于计算总和、平均值、中位数等统计量。例如，您可以使用 Reduce 选项计算一个特定时间段内所有数据点的总和，以便了解该指标的整体表现。
3. Classic conditions：Classic conditions 选项允许您根据特定条件过滤数据。这可以用于识别符合特定标准的数据点。例如，您可以使用 Classic conditions 选项过滤出所有温度超过特定阈值的数据点，以便更好地了解哪些设备可能存在问题。
4. Resample：Resample 选项允许您对数据进行重新采样，即根据指定的时间间隔对数据进行聚合或平均。这可以用于降低数据点的数量，以便更好地理解数据的总体趋势。例如，您可以使用 Resample 选项将每秒的数据点减少到每分钟的平均值，以便更方便地进行数据分析。
5. Threshold：Threshold 选项允许您设置阈值，以便识别超出特定范围的数据点。这可以用于检测异常情况或识别潜在的问题。例如，您可以使用 Threshold 选项设置一个阈值，当温度超过该阈值时，系统将自动发出警报，以便您能够及时发现并解决问题。

然后，报警就可以配置成功了，你可以观察一下是否报警，如果报警有延迟，或者没有到达预期时间，建议调节一下Override general timings 的三个指标！！

Silences

此处功能是告警抑制功能

有这么一个场景，一个项目出现问题后，会一直报警，然后你想在1天内，或者1个月内不想收到他的报警（报错一直未解决），就可以使用此功能！

我在项目中的应用是，项目每次通过jenkins发布的时候，不想让他告警（因为这个是正常的项目迭代，不是异常告警），就可以使用此功能！

相关的API接口如下：Swagger Editor

delete

/api/alertmanager/grafana/api/v2/silence/{SilenceId}

get

/api/alertmanager/grafana/api/v2/silence/{SilenceId}
/api/alertmanager/grafana/api/v2/silences

post

/api/alertmanager/grafana/api/v2/silences
{"comment": "string","createdBy": "string","endsAt": "2023-11-18T06:46:52.218Z","id": "string","matchers": [{"isEqual": true,"isRegex": true,"name": "string","value": "string"}],"startsAt": "2023-11-18T06:46:52.218Z"
}

如果有权限的话，需要增加header

如下

curl --location 'http://xxxxx/api/alertmanager/grafana/api/v2/silences' --header 'Authorization:Bearer glsa_xxxxbreEfWjpyrlMxxxxbNII1_31530b12' --header 'Content-Type:application/json' --data '{"startsAt":"2023-08-15T07:18:20.968Z","endsAt":"2023-08-15T09:18:20.968Z","comment":"created2023-08-1515:18","createdBy":"admin","matchers":[{"name":"project","value":"xxx","isEqual":true,"isRegex":true}]}'

权限在grafana列表页面的Administration-Service accounts中配置

踩坑点

grafana日志后台一直报错 database is locked

lvl=eror msg="failed to look up user based on cookie" logger=context error="database is locked"

原因：表示 sqlite 数据库存在问题。如果数据库在崩溃后处于不一致状态，或者磁盘出现问题，则可能会发生这种情况

解决方案：

Grafana Logs “database is locked” · Issue #16638 · grafana/grafana (github.com)

k8s方式：

在默认配置/etc/grafana/grafana.ini添加

[database]
type=sqlite3
cache_mode = shared

下面这种方式我没是成功：

还有一个方案也没有试成功：

“database is locked” - unable to use grafana anymore 😦 - General - Grafana Labs Community Forums

sqlite3 grafana.db '.clone grafana-new.db'
mv grafana.db grafana-old.db
mv grafana-new.db grafana.db

参考文献

Grafana 是什么_请叫我王运维的博客-CSDN博客_grafana

分分钟搞定Grafana（图文详解）_奔跑中的小猿的博客-CSDN博客_grafana

【精选】Grafana入门使用_W1nk的博客-CSDN博客

Prometheus+Grafana基础介绍及搭建使用_正在努力的小杰的博客-CSDN博客