项目卡片

• 项目：Grafana^[1]
• 状态：v13.0.3 / 74.9K Star / 12 年持续迭代，2026 年仍在活跃发布
• 一句话判断：如果你需要一个地方把所有数据源的指标、日志、链路追踪统一可视化并设置告警，Grafana 是目前最成熟的选择。

做过后端的人都经历过这个场景：Prometheus 里有指标，Elasticsearch 里有日志，Jaeger 里有链路追踪。出了问题你要打开三个系统，来回切换，手动对齐时间轴。我之前在一次线上故障里，光是在三个系统之间复制粘贴时间戳就花了十几分钟。

Grafana 的核心价值就是把所有数据源拉到同一个面板上。它不做存储，不做采集——它只负责「看」。你可以把 Prometheus 的 QPS 曲线和 Loki 的错误日志放在同一个 Dashboard 上，用同一个时间选择器联动，点一下就能从指标钻到日志。

这不是什么黑科技，但它解决了运维和开发中最常见的痛点：信息碎片化。

• 后端开发：服务上线后需要监控延迟、错误率、QPS，不想自己写前端图表
• SRE / 运维：需要把多个集群、多个环境的指标汇总到一个地方，设置告警通知到 Slack 或钉钉
• 数据团队：想把 MySQL、PostgreSQL 里的业务数据做成可视化报表，不想折腾 BI 工具
• 个人项目：有个树莓派或 NAS，想看看 CPU 温度、磁盘使用率，顺便学一下 PromQL

门槛其实不高。核心操作就四步：选数据源、写查询、选图表类型、调样式。不需要写前端代码，不需要懂 React。

最简单的方式是 Docker：

docker run -d -p 3000:3000 --name=grafana grafana/grafana

打开 http://localhost:3000，默认账号 admin / admin。进去之后你会看到一个空 Dashboard。

第一步是添加数据源。Grafana 支持的数据源非常多，官方内置的就有 Prometheus、Loki、Elasticsearch、InfluxDB、MySQL、PostgreSQL、CloudWatch、Azure Monitor 等二十多种。社区插件还能接入更多。

第二步是创建 Dashboard，添加一个 Panel。在 Panel 编辑器里选数据源，写查询语句（PromQL、SQL、LogQL 等），选图表类型（时序图、柱状图、表格、热力图等），保存即可。

第三步是设置变量。你可以在 Dashboard 顶部加一个下拉框，选不同的环境（dev / staging / prod）或不同的服务名，整个面板的查询自动切换。一套 Dashboard 覆盖所有环境，不用每个环境复制一份。

1. Explore 模式：临时查数据不用建 Dashboard

有时候你只是想临时查一下某个指标，不想专门建一个 Panel。Explore 模式让你直接写查询，结果实时渲染，还能分屏对比不同时间范围。对于排查线上问题特别有用。

2. 告警规则：可视化配置，通知到你想要的地方

Grafana 的告警系统支持在界面上直接定义规则：某个指标超过阈值持续 N 分钟就触发。通知渠道支持 Slack、PagerDuty、邮件、Webhook 等。你不用自己写脚本去轮询。

3. 混合数据源：同一张图上对比不同来源的数据

比如你想在同一张图上对比 Prometheus 采集的应用指标和 CloudWatch 采集的 AWS 基础设施指标，Grafana 允许你在一个 Panel 里混合多个数据源的查询。

4. 插件生态：不只是监控

Grafana 的插件框架支持三种类型：数据源插件（接入新数据源）、面板插件（新的可视化方式）、应用插件（完整功能扩展）。社区已经有几百个插件，从 IoT 设备监控到 Jira 工单统计都有。

5. Provisioning：用代码管理 Dashboard

不想手动点点点？Grafana 支持通过 YAML 文件或 Terraform 来声明式地管理数据源、Dashboard 和告警规则。适合需要管理几十上百个 Dashboard 的团队。

vs Kibana：Kibana 绑定 Elasticsearch，强在日志搜索和分析。Grafana 不绑定任何存储，可以同时接 Prometheus、Elasticsearch、MySQL。数据分散在多个系统里的话，Grafana 更合适。

vs Datadog / New Relic：SaaS 监控平台，开箱即用但价格不菲。Grafana 开源免费，可以自己部署，也可以用 Grafana Cloud（有免费额度）。预算敏感或想保持数据主权的场景，Grafana 是更实际的选择。

vs 自己写前端图表：展示一两个指标，用 ECharts 或 D3 当然可以。但 Dashboard 管理、权限控制、告警、变量模板这些能力，自己造轮子的成本远超预期。

Grafana 不是万能的，有几件事它做不好：

• 不做数据采集：你需要自己用 Prometheus、Telegraf、OpenTelemetry 等工具把数据推到存储里，Grafana 只负责展示。
• 不做数据存储：它是一个「读」的工具，不负责「写」。如果你需要存储指标，用 Prometheus 或 Mimir；存日志，用 Loki 或 Elasticsearch。
• 复杂的数据处理能力有限：Grafana 支持简单的数据转换（聚合、过滤、Join），但如果你需要复杂的 ETL 流程，它不是合适的工具。
• 学习曲线存在：虽然基础使用很简单，但 PromQL、LogQL 等查询语言有自己的学习成本，高级 Dashboard 的搭建也需要时间。
• AGPL-3.0 许可证：如果你基于 Grafana 做二次开发并对外提供服务，需要注意 AGPL 的传染性。Grafana 提供了商业授权选项。

Grafana 的资源需求取决于你的使用场景：

小型部署最低只需 512MB 内存、1 核 CPU。对个人项目来说非常友好。

如果你发现自己经常在多个系统之间切换来看数据，或者想给团队建一套统一的监控面板，Grafana 值得花一个下午试试。Docker 一行命令启动，加个 Prometheus 数据源，拖几个 Panel，你就能判断它是不是你要的东西。

如果你想继续看这类 AI 工具拆解，我会把上手路径、关键限制和可复用配置整理成清单，方便你直接判断值不值得试。

引用链接