Grafana 是什么
💡🤖 AI 时代，还要学 Grafana 吗？学到什么程度？
必要，但没必要背语法，概念级加会读就够了。仪表盘 JSON、面板配置乃至 PromQL 都能让 AI 生成初稿，但「该看哪些指标、为什么这条要告警、异常时怎么下钻」这套思路必须自己懂——否则 AI 配的大屏只是花架子，事故时你看不出门道。建议目标：理解可观测性三大支柱（Metrics / Logs / Traces）和监控目标，能读懂现成大屏并在出问题时指出排查方向。
Grafana 是一个开源的、水平可扩展的可视化与可观测性（Observability）平台。它本身不采集数据，而是把来自各种数据源（Prometheus、Loki、Tempo、Elasticsearch、MySQL、InfluxDB……）的数据统一成漂亮的图表与仪表盘，帮助你监控、排查和分析系统。
ℹ️Grafana 不负责存数据
Grafana 是「前端展示 + 查询 + 告警」层。原始指标/日志/链路由专门的存储系统（如 Prometheus）负责，Grafana 通过它们的查询接口拉数据。
1. 可观测性的三大支柱
现代系统的可观测性通常分为三类信号：
| 信号 | 回答的问题 | 典型数据源 |
|---|---|---|
| Metrics（指标） | 「系统现在有多忙 / 多健康？」 | Prometheus、InfluxDB、CloudWatch |
| Logs（日志） | 「具体发生了什么？」 | Loki、Elasticsearch、ClickHouse |
| Traces（链路） | 「一次请求经历了哪些服务、慢在哪？」 | Tempo、Jaeger、Zipkin |
Grafana 的强项正是把这三类信号关联在同一块大屏上：从图表发现 CPU 飙高 → 点开看同时段的日志 → 再下钻到慢调用对应的链路。
2. LGTM 技术栈
Grafana Labs 维护了一整套开源可观测性组件，首字母拼成 LGTM：
- Loki — 日志聚合（类 Prometheus 理念，索引标签而非全文）
- Grafana — 可视化与告警
- Tempo — 分布式链路追踪
- Mimir — 指标存储（Prometheus 的长期存储方案；也可直接用 Prometheus）
# 一行拉起整套 LGTM（仅演示，生产另有配置）
docker run -d -p 3000:3000 grafana/grafana-oss💡Grafana OSS 还是 Enterprise？
本教程以 Grafana OSS（开源版） 为主，所有核心能力（数据源、仪表盘、告警、Loki/Tempo 集成）都免费。Enterprise 版额外提供 SSO、高级权限、报表等，社区版用不上。
3. Grafana 能做什么
- 📊 Dashboard：把任意数据源的查询结果拼成可视化大屏
- 🔍 Explore：临时查询、排查问题（不落盘成仪表盘）
- 🚨 Alerting：基于查询定义告警规则，统一路由到邮件/Slack/Webhook
- 🧩 Provisioning：用代码（YAML）声明数据源与仪表盘，纳入 Git 管理
- 👥 权限：团队/文件夹级访问控制、LDAP/OAuth 登录
4. 与其他工具的区别
- 对比 Kibana：Kibana 强在 Elasticsearch 日志检索；Grafana 更通用，能同时吃指标/日志/链路，且仪表盘体验更好。
- 对比 Prometheus 自带的 UI：Prometheus 只管指标，原生界面仅够调试；Grafana 才是生产级展示与告警入口。
5. 本教程路线
本教程共 18 章，分三阶段：
- 基础（1–8 章）：概念、安装、数据源、仪表盘、面板、PromQL、转换、模板变量
- 进阶（9–16 章）：告警体系、Loki 日志、Tempo 链路、Provisioning、认证与权限、最佳实践
- 实战（17–18 章）：搭建 Prometheus 监控栈、构建完整可观测性平台
🎯想一想
你们的系统中，现在指标、日志、链路分别存在哪里？如果没有，本章的 LGTM 栈是后续章节会逐步搭建的目标。
小结
- Grafana 是「展示 + 查询 + 告警」层，自己不存数据
- 可观测性三大支柱：Metrics / Logs / Traces
- LGTM 是一套开箱即用的开源组合
- 下一步我们动手把它跑起来 →