第一步：数据源对接——让Grafana“读懂”你的数据
数据就像仪表盘的“食材”，连不对食材，后面再厉害的厨艺也做不出好菜。我刚开始用Grafana时，就犯过“食材选错”的错：明明要连MySQL数据库，结果选成了PostgreSQL，捣鼓了一小时才发现数据源类型选错了，白白浪费时间。
先搞懂：你要连哪种“数据仓库”？
Grafana支持20多种数据源，但咱们后端常用的就那么几个，我整理了个表格，你对着选就行：
| 数据源类型 | 适用场景 | 配置难度 | 关键配置项 |
|---|---|---|---|
| Prometheus | 服务器/容器监控（CPU、内存等） | ★★☆☆☆ | URL、超时时间、Scrape interval |
| MySQL | 业务数据统计（用户数、订单量等） | ★★★☆☆ | 主机、端口、数据库名、账号密码 |
| Elasticsearch | 日志/事件分析（错误日志、访问记录） | ★★★★☆ | Index pattern、时间字段、版本 |
（表格说明：配置难度基于我带过5个新人的实操经验，★越多表示需要注意的细节越多）
手把手教你连数据源（以Prometheus为例）
你先打开Grafana，左边菜单点“Configuration”（就是那个齿轮图标），再选“Data Sources”，点“Add data source”。在搜索框里输入“Prometheus”，选中后会跳到配置页。最重要的是“URL”——如果你是本地搭的Prometheus，一般填http://localhost:9090；如果是远程服务器，就填服务器IP+端口，比如http://192.168.1.100:9090。
这里有个坑我必须提醒你：别漏了填“Name”！我之前帮朋友配置时，他随手填了个“Prom”，结果后面面板多了，根本分不清哪个数据源连的是生产环境，哪个是测试环境，后来全得重改。 你按“用途+环境”命名，比如“Prometheus-生产服务器监控”。
填完URL拉到最下面点“Save & Test”，如果显示“Data source is working”就成功了。要是失败，先检查Prometheus服务是不是开着（可以浏览器直接访问URL试试），再看看Grafana服务器能不能ping通Prometheus的地址——我遇到过最离谱的一次，是防火墙没开端口，折腾半天发现是运维同事忘了放通9090端口。
第二步：面板配置——把数据“画”成看得懂的图表
连好数据源，就该把数据变成图表了。我见过很多人卡在这一步，觉得“要写查询语句好难”——其实Grafana早就做了“傻瓜式”工具，不用写代码也能搞定。
先想清楚：你要监控什么？
我刚开始做仪表盘时，总想着“把所有数据都放上去才全面”，结果一个面板里堆了CPU、内存、磁盘、网络4种指标，线都缠成一团，老板看了3秒就说“太乱，重搞”。后来我才明白：每个面板只讲一个“故事”，比如“Web服务器响应时间趋势”、“数据库慢查询次数统计”，这样才清晰。
你可以试试这个思路：先列3个你最关心的核心指标（比如运维最看重“服务器是否活着”、“响应快不快”、“有没有报错”），每个指标做一个面板。像我现在负责的业务，必看的三个面板是：服务器存活状态（用“状态面板”显示在线/离线）、接口平均响应时间（折线图看趋势）、5xx错误数（柱状图看峰值）。
5分钟做个CPU监控面板（全程鼠标操作）
node_cpu_seconds_total（这是Prometheus采集CPU的默认指标）。 100
(value * 100)
（这是把空闲时间转成使用率的公式，不用记，我把常用公式放文末了）。 这样一个能看CPU使用率的折线图就做好了！你点右上角“Apply”保存到仪表盘，是不是很简单？我第一次做的时候，以为至少要半小时，结果10分钟就搞定了，当时还怀疑“这么简单是不是不对”，后来运行一周数据都准得很。
第三步：动态交互与告警——让仪表盘“主动干活”
做好静态图表还不够，好的仪表盘得能“跟着业务变”，甚至“出事了主动喊你”。这步学会了，你就能从“盯着屏幕看”变成“等它通知你”，效率直接翻倍。
用“变量”实现“一键切换”
你有没有遇到过这种情况：监控10台服务器，得做10个CPU面板，想看哪台就得切来切去？用“变量”就能解决——就像给仪表盘装个“遥控器”，点一下就能切换不同服务器、不同应用的数据。
我教你加个“服务器IP”变量：
server_ip（变量名最好用英文，后面写查询方便），“Type”选“Query”，数据源还是Prometheus。 label_values(node_uname_info, instance)（这是获取所有服务器IP的Prometheus查询），点“Run query”会显示所有服务器IP，然后“Save”。 现在回到CPU面板，编辑查询语句，把固定的服务器IP换成$server_ip，保存后你会发现仪表盘顶部多了个下拉框，选不同IP，图表数据就跟着变了！我用这个功能帮公司做了个“业务线监控仪表盘”，销售同事自己就能切换想看的产品线数据，再也不用天天来找我要报表了。
告警设置：让异常“自动敲门”
最爽的是不用盯着屏幕等问题——设置好告警，数据异常了Grafana会主动发通知给你。我之前配置过“内存使用率超过90%就发钉钉群”，有次半夜服务器内存飙升，5分钟内告警就来了，比人工发现快了半小时，避免了业务中断。
简单设置步骤：在面板编辑页点“Alert”标签，点“Create alert rule”，条件设“当CPU使用率>80%持续5分钟”，通知渠道选“DingDing”（需要提前在Grafana配置钉钉机器人，教程网上很多，跟着配就行），消息内容写清楚“哪台服务器、什么指标、当前值多少”，比如“⚠️ 服务器192.168.1.101 CPU使用率达85%（阈值80%），已持续5分钟”。
不过要注意别设太敏感的阈值！我刚开始把告警阈值设成“CPU>70%”，结果业务高峰期每小时都报警，同事都把告警群设免打扰了。后来改成“>85%持续10分钟”，既不会漏报严重问题，也不会太吵。
按这三步走，你现在应该已经有一个能看、能用、还会主动提醒的仪表盘了。刚开始可能会觉得“这里配置不对”“那个图表不好看”，别着急，我带过的新人里，最快的3天就能上手，最慢的一周也熟练了。
对了，我整理了份“Grafana常用公式 cheat sheet”，里面有CPU、内存、磁盘使用率的现成转换公式，还有不同图表的配置模板，你需要的话可以评论区喊我，我发给你。
如果你按这些步骤做了，欢迎回来告诉我你的仪表盘长什么样——是简洁的“核心指标看板”，还是酷炫的“全业务监控大屏”？遇到问题也可以问，咱们一起把运维监控这件事变得简单又高效！
你先别急着查日志，我帮人排查过十几次这种问题，八成是这三个地方没弄对。先说最常见的——告警渠道配置是不是真的通了？就拿钉钉告警来说，很多人在Grafana的“Alerting→Contact points”里填了Webhook地址，觉得“复制粘贴完事儿”，结果压根没发过测试消息。我上周帮个朋友看，他填的Webhook少了个“s”（把https写成http），自己没发现，后来我让他点“Test”发个测试消息，立马弹出404错误，改完地址再测，钉钉群里秒收到消息。所以你第一步必须先在Contact points里点“Test”，发条“告警测试”，能收到再往下查，收不到就盯着报错信息改配置——比如企业微信要填AgentID和Secret，飞书要开机器人权限，每个渠道的坑都不一样，但测试消息是万能的“通行证”。
再说说告警条件是不是真的触发了，这也是个高频坑。你以为设了“CPU>80%持续5分钟告警”就万事大吉？但Grafana触发告警有个“严格规则”：得同时满足阈值和持续时间。我之前给一个客户配置时，他非说告警坏了，结果一看面板“State history”——CPU确实有几次冲到82%，但每次都只持续了3分钟就掉下来了，根本没达到5分钟的持续要求，Grafana当然不会发通知。还有人阈值设得太“理想化”，比如服务器内存平时就稳定在85%，他非要设“>90%告警”，结果跑了一周都没触发，还以为工具坏了。你现在打开面板的“Alert”标签页，看看“State history”里有没有“Alerting”状态的记录，要是一直显示“Normal”，要么是阈值设太高，要么是持续时间太长，调低点试试——比如先设个“CPU>70%持续2分钟”，看能不能触发，能触发再慢慢把阈值调回去。
还有个特容易忽略的点——你得看看Grafana服务器能不能联网访问通知渠道。我碰到过最哭笑不得的情况：一个公司为了安全，把监控服务器的出站流量全关了，结果运维配完告警等了三天没反应，后来一查服务器日志，全是“dial tcp: lookup oapi.dingtalk.com: no such host”（连钉钉API域名都解析不了）。这种时候你得在Grafana服务器上手动测试网络，比如用curl命令访问钉钉Webhook地址（curl -X POST “你的Webhook地址” -d ‘{“msgtype”:”text”,”text”:{“content”:”测试网络”}}’），要是返回“{“errcode”:0,”errmsg”:”ok”}”就说明网络通，要是报“Connection refused”或者超时，那就是服务器被防火墙拦了，找运维开放对应域名的出站权限就行——比如钉钉要放行oapi.dingtalk.com，企业微信要放行qyapi.weixin.qq.com，别上来就怪Grafana不好用，先让服务器能“出门”再说。
Grafana连接数据源时提示“无法连接”怎么办？
常见原因有三个：① 数据源类型选错（比如MySQL选成PostgreSQL），核对文章表格中的“数据源类型”和实际场景匹配；② URL或地址错误，本地服务用localhost:端口，远程服务用服务器IP+端口，可先在浏览器直接访问URL测试连通性；③ 权限问题，比如MySQL账号没有SELECT权限，或Grafana服务器未开放数据源端口（比如Prometheus的9090端口被防火墙拦截）。按这三步排查，80%的连接问题都能解决。
不同数据源怎么选？比如监控服务器和业务数据分别用什么？
参考文章中的表格，按“场景优先”原则选：① 服务器/容器监控（CPU、内存、磁盘等）优先用Prometheus，配置简单且原生支持时序数据；② 业务数据（用户数、订单量、接口调用量等）用MySQL/PostgreSQL，适合结构化数据统计；③ 日志或事件分析（错误日志、访问记录）用Elasticsearch，支持全文检索和日志聚合。如果是混合场景（比如既要看服务器性能又要看订单量），可以在一个仪表盘里添加多个数据源面板。
制作的图表数据不实时更新，怎么设置自动刷新？
在仪表盘右上角有个“刷新”按钮（类似循环箭头图标），点击可选择刷新频率（5秒、10秒、1分钟等），也可以手动输入自定义间隔（比如30秒）。如果想让单个面板独立刷新，编辑面板后在“Options”标签页找到“Refresh”，选择“Independent”并设置频率。注意：刷新间隔太短（比如＜5秒）可能增加数据源压力， 非核心面板用1-5分钟刷新，核心监控面板用10-30秒。
配置了告警但没收到通知，可能是什么问题？
先检查两个关键点：① 告警渠道是否配置正确，比如钉钉告警需在Grafana“Alerting→Contact points”中填对机器人Webhook地址，测试发送一条“测试消息”确认渠道通不通；② 告警条件是否触发，在面板“Alert”标签页查看“State history”，确认是否达到阈值（比如设置“CPU＞80%持续5分钟”，实际可能只达到75%或持续时间不够）。 Grafana服务本身要有网络权限访问通知渠道（比如服务器能访问钉钉API），之前遇到过因服务器禁网导致告警发不出去的情况。
怎么让变量在多个面板中生效？比如切换“服务器IP”时所有图表一起变
在仪表盘设置中添加“全局变量”即可。进入仪表盘设置（右上角齿轮图标）→“Variables”→“Add variable”，按文章步骤配置变量（比如服务器IP），保存后变量会显示在仪表盘顶部。编辑其他面板时，在查询语句中用$变量名（比如$server_ip）替换固定值，这样切换变量时，所有引用该变量的面板会自动更新数据。我现在维护的多服务监控仪表盘，就是用一个“业务线”变量控制10+个面板，切换起来特别方便。
