📚 课程目录第3章 Grafana基础回顾

3. Grafana 基础回顾：数据源配置、面板与仪表盘创建、Alerting 模块简介

在灰度发布准入门禁体系中，Grafana 承担着“可视化决策中枢”的角色——它从 Prometheus、Elasticsearch 等数据源拉取实时指标，通过面板呈现金丝雀健康状态，并借助 Alerting 模块触发准入/回滚判定。本节将快速梳理 Grafana 的核心操作，为后续门禁规则配置打下基础。

3.1 数据源配置：连接可观测性后端

Grafana 支持超过 30 种数据源，在灰度发布场景中最常用的是 Prometheus（指标）和 Loki（日志）。配置入口位于左侧菜单 Configuration → Data Sources。

配置项	说明	灰度发布典型值
Name	数据源标识，在面板查询时引用	`Prometheus-Prod`
URL	数据源 HTTP 端点	`http://prometheus.monitoring:9090`
Access	代理模式（Server）或浏览器直连（Browser）	Server（推荐，避免 CORS）
Scrape Interval	Grafana 主动拉取间隔	`15s`（与 Prometheus 采集对齐）
Max Series	单次查询返回的最大时间序列数	`10000`（防止浏览器崩溃）

最佳实践：在灰度发布环境中，建议为每个环境（staging、canary、production）创建独立的数据源实例，并在名称中加入环境后缀，例如 Prometheus-Canary。这可以避免面板查询时误跨环境拉取数据。

3.2 面板与仪表盘创建：构建金丝雀健康看板

面板（Panel）是 Grafana 的最小可视化单元，多个面板组合成仪表盘（Dashboard）。灰度发布看板通常包含：错误率面板、P99 延迟面板、CPU/内存面板、金丝雀 vs 基线对比面板。

3.2.1 创建面板的步骤

点击左侧 + → Dashboard → Add panel。
在 Query 编辑器中选择数据源（如 Prometheus），输入 PromQL 查询。
选择可视化类型：Time series（趋势）、Stat（当前值）、Table（明细）。
配置面板标题、单位、阈值颜色（绿色/黄色/红色）。
点击 Apply 保存面板到仪表盘。

灰度发布关键查询示例：

# 金丝雀错误率（5m 平均）
sum(rate(http_requests_total{version="canary", status=~"5.."}[5m])) 
/ 
sum(rate(http_requests_total{version="canary"}[5m]))

# 基线 vs 金丝雀 P99 延迟对比
histogram_quantile(0.99, 
  sum(rate(http_request_duration_seconds_bucket{version="baseline"}[5m])) by (le))
-
histogram_quantile(0.99, 
  sum(rate(http_request_duration_seconds_bucket{version="canary"}[5m])) by (le))

3.2.2 仪表盘组织原则

区域	推荐面板	刷新间隔
顶部行	金丝雀状态（Stat）、错误率（Stat）	10s
中间行	延迟对比（Time series）、吞吐量（Time series）	15s
底部行	资源使用（CPU/Mem）、日志摘要（Loki）	30s

注意：不要在一个仪表盘中放置超过 20 个面板，否则浏览器渲染会变慢，影响门禁判定的实时性。建议按微服务拆分仪表盘，每个服务一个独立看板。

3.3 Alerting 模块简介：从可视化到自动化决策

Grafana Alerting（v8.0+ 统一架构）允许用户基于面板查询结果定义告警规则，并通过 Contact Points 发送通知。在灰度发布中，Alerting 被改造为“门禁引擎”——不再发送邮件，而是调用 Webhook 触发 CI/CD 流水线的准入/回滚决策。

3.3.1 Alerting 核心组件

组件	作用	灰度发布中的角色
Alert Rule	定义触发条件和评估频率	门禁规则（如：错误率 > 1% 持续 2m）
Contact Point	通知渠道（Email、Slack、Webhook）	Webhook → Jenkins/ArgoCD API
Notification Policy	路由规则：哪个告警发往哪个 Contact Point	金丝雀告警 → 门禁 Webhook
Silence / Mute Timing	临时静音告警	灰度发布期间屏蔽误报

3.3.2 创建一条门禁告警规则

进入 Alerting → Alert rules → New alert rule。
选择 Grafana managed alert（基于面板查询）。
编写 PromQL 表达式，例如：sum(rate(http_requests_total{version="canary", status=~"5.."}[2m])) / sum(rate(http_requests_total{version="canary"}[2m])) > 0.01。
设置评估频率 1m，条件持续 2m（防止抖动）。
配置 Contact Point 为 Webhook，URL 指向 CI/CD 系统的门禁 API（如 http://jenkins/gray-release/canary-judge）。
保存并启用规则。

  关键参数：
  Pending period：告警触发后等待确认的时间，建议设为 30s~60s，避免瞬时尖峰导致误回滚。
For duration：条件必须持续满足的时间，灰度发布建议设为 2m~5m，确保问题稳定存在。
Annotations：携带版本号、环境、流水线 ID 等元数据，方便门禁系统解析。

3.4 本章小结

数据源是 Grafana 的根基，灰度发布场景下推荐使用 Prometheus + Loki 组合，并区分环境实例。
面板与仪表盘是可视化载体，金丝雀健康看板应聚焦错误率、延迟、资源使用三大黄金指标。
Alerting 模块是门禁的核心引擎，通过 Webhook 将告警转化为 CI/CD 可消费的判定信号。
下一章将深入讲解如何编写 PromQL 门禁表达式，并配置 Alert Rule 的 Pending/For 参数以消除抖动。