3. Grafana 监控体系概述：数据源、仪表盘与告警
Grafana 的监控体系由三大核心组件构成：数据源（Data Source）、仪表盘（Dashboard） 和 告警（Alerting）。三者形成从数据采集、可视化呈现到异常通知的完整闭环。理解这一体系是构建制晶同步监控系统的基础。
3.1 数据源：监控数据的统一入口
数据源是 Grafana 与后端时序数据库或日志系统之间的桥梁。Grafana 本身不存储数据，而是通过插件机制连接多种数据源，将查询结果渲染到面板中。在制晶同步场景中，最常用的三类数据源如下：
| 数据源类型 | 适用场景 | 数据模型 | 典型指标示例 |
|---|---|---|---|
| Prometheus | 实时指标监控（首选） | 时序（Metric + Label） | sync_job_duration_seconds、sync_queue_size |
| InfluxDB | 高写入吞吐、事件型数据 | 时序（Measurement + Tag） | sync_transfer_bytes、sync_error_count |
| Elasticsearch | 日志分析与全文检索 | 文档（JSON） | 同步失败日志、异常堆栈 |
选型建议： 制晶同步状态监控优先使用 Prometheus 作为主数据源，因为它原生支持多维标签和 PromQL 聚合查询，适合对同步成功率、延迟、队列深度等指标做实时告警。Elasticsearch 作为辅助数据源，用于故障排查时的日志回溯。
3.2 仪表盘：可视化监控的核心载体
仪表盘是 Grafana 中最直观的交互界面，由多个面板（Panel）组成，每个面板绑定一个数据源查询，并以图表、表格、统计值等形式展示数据。一个生产级的制晶同步仪表盘通常包含以下层次：
- 全局概览行： 展示整体同步成功率、当前延迟、活跃任务数等 KPI。
- 同步链路状态行： 按源端/目标端分组，展示各链路的吞吐量、错误率、重试次数。
- 资源与队列行： 展示同步队列积压、CPU/内存使用率、网络带宽。
- 故障明细行： 展示最近失败的同步任务列表、错误分布饼图。
3.3 告警：从被动查看到主动发现
告警是监控体系的“最后一公里”。Grafana 告警引擎会定期评估用户定义的规则，当指标满足触发条件时，通过通知渠道发送告警。制晶同步场景下的告警体系分为三个层级：
- 规则定义： 使用 PromQL 或 SQL 编写告警表达式，例如
rate(sync_failure_total[5m]) > 0.1表示 5 分钟内失败率超过 10%。 - 评估与状态： 告警状态包括 Normal（正常）、Pending（待确认）、Firing（触发）。Pending 状态可避免因瞬时抖动产生误报。
- 通知路由： 通过 Contact Point（联系人）和 Notification Policy（通知策略）将告警发送到钉钉、企业微信、邮件、PagerDuty 等渠道。
避坑提示： 不要对所有指标都设置告警。制晶同步中，同步延迟突增 和 失败率持续上升 才是核心告警项。对队列积压设置告警时，务必加上持续时间条件（如 > 1000 条持续 5 分钟），避免因瞬时高峰频繁触发。
3.4 数据源、仪表盘、告警的协作关系
三者并非孤立组件，而是形成一条完整的数据流：
- 数据采集层： Prometheus 等数据源从制晶同步服务拉取指标。
- 可视化层： 仪表盘通过数据源查询展示实时状态和历史趋势。
- 告警层： 告警规则基于同一数据源进行异常检测，触发后通知运维人员。