Grafana

理解 Grafana 的定位、核心能力与可观测性（Metrics/Logs/Traces）三大支柱

用 Docker / docker-compose 一键启动 Grafana，理解配置文件与关键目录

登录 Grafana，理解 Data Source 概念，添加第 Prometheus 数据源并保存

Panel / Row / Dashboard 的层级关系，仪表盘底层就是 JSON，理解它能让你用代码管理一切

Time series / Stat / Gauge / Bar gauge / Table / Heatmap 等常用面板的适用场景与配置

指标、标签、瞬时/区间向量，以及 rate/sum/by 等最常用的查询函数

histogram_quantile 分位数、聚合运算、子查询、记录规则（Recording Rules）

Transform 在数据进图前做过滤、聚合、联表；掌握 Reduce/Filter/Group by/Join 等常用转换

Query / Custom / Constant / Interval 变量，用 $var 让仪表盘可切换数据源、实例、时间粒度

Alert rule / Contact point / Notification policy / Silence 的关系，Grafana 统一告警模型

在 Grafana 中创建阈值告警、PromQL 条件告警，理解 For 持续时间、Pending 与标签注解

配置 Email / Slack / Webhook / 钉钉 / 企业微信等 Contact point，并用 Notification policy 路由

接入 Loki 数据源，掌握 LogQL 基础查询、标签过滤、行过滤、量化和日志面板

接入 Tempo 数据源，理解 Trace/Span，在 Grafana 中查询链路、火焰图与 Service Map

用 YAML 声明数据源与仪表盘、告警，把 Grafana 配置纳入 Git 实现 GitOps

内置用户、匿名访问、LDAP/OAuth 登录，以及文件夹级权限与 RBAC 角色

用 docker-compose 搭建 Prometheus + Grafana + node-exporter + 一个示例应用，端到端跑通指标监控

在监控栈基础上加入 Loki 日志、Tempo 链路、OpenTelemetry 与统一告警，构建 LGTM 可观测性平台

用 Annotations 在时序图上标记事件与故障区间，让图表「会说话」

深入 rate 系列函数的坑、计数器重置、子查询分区，写出可靠的指标查询

用 Go 模板自定义 Slack / Webhook / 邮件通知内容，让告警信息更有用

理解 Dashboard JSON 模型、版本历史与 Git 化治理，让大屏可回滚、可评审

高基数、查询超时、缓存与并行度 —— 让大屏在大数据量下依然流畅

用 Grafana Synthetic Monitoring 主动探测可用性，从用户视角监控网站与接口

用 OpenTelemetry Collector 统一采集指标/链路/日志，经 OTLP 送入 Mimir/Tempo/Loki

接入时序库 InfluxDB 与关系型 MySQL，把业务数据也搬上 Grafana 大屏