Grafana 使用方式与典型场景

使用方式与典型场景

示例一：错误率告警（PromQL）

# 告警查询：5 分钟窗口内 5xx 占比超过 1%
sum(rate(http_requests_total{status=~"5.."}[5m]))
  /
sum(rate(http_requests_total[5m]))
> 0.01

# 建议配置
# Evaluate every: 1m
# for: 5m          （连续 5 分钟满足才触发，过滤瞬时抖动）
# No Data / Error: 设为 Alerting 或 OK 需谨慎选择，见下文说明

分母用不带 status 过滤的全量请求数，这样「流量掉零」时不会因为分母也是零而算出异常值；如果确实需要区分「无流量」和「有流量但全错」，可以再加一条「QPS 低于某个值则不发错误率告警」的规则，或在 No Data 处理上做文章。

示例二：P95 延迟面板

# 用直方图桶算 P95 延迟（单位秒，面板单位设为 ms 需自行换算）
histogram_quantile(
  0.95,
  sum(rate(http_request_duration_seconds_bucket[5m])) by (le)
)

# 按服务拆分，便于发现是哪个服务拖慢了整体
histogram_quantile(
  0.95,
  sum(rate(http_request_duration_seconds_bucket[5m])) by (le, service)
)

rate(...[5m]) 算的是每秒增长率，时间窗口不能小于两次采集间隔的若干倍，否则曲线会剧烈锯齿；histogram_quantile 必须保留 le 标签做聚合分组，否则算出来的分位数没有意义。分位数由桶边界近似而来，桶的划分决定了精度，具体设置以官方文档与客户端库说明为准。

示例三：变量与典型查询组合

# 变量 service（Query 类型，从指标里取标签值）
label_values(http_requests_total, service)

# 变量 env（Custom 类型）
prod,staging,test

# 面板查询里引用变量
sum(rate(http_requests_total{env="$env", service="$service"}[5m])) by (status)

# 做「所有服务」选项时用多选 + All，查询要写成正则匹配
sum(rate(http_requests_total{service=~"$service"}[5m]))

多选变量会在查询里展开成正则，所以引用时要用 =~ 而不是 =，这是新手最常踩的一个坑。

适合与不适合

• 适合：统一查看多源指标与日志、按环境或服务切换视图、把「发布—指标变化—告警」串在同一条时间轴上、给不同角色做不同层级的大盘。
• 不太适合：做需要复杂关联与多维下钻的 BI 分析（那是数据仓库与 BI 工具的领域）；做高频写入的原始数据存储（Grafana 不存数据）；做需要精确到单条记录的检索（用日志系统或数据库）。