付费项目 · Grafana

Grafana 监控:让问题先响一声

Prometheus、Loki 和 Grafana 的采集、告警和保留策略;交付什么,以及为什么先做少而准的告警。

什么时候需要

服务多了以后,磁盘满、证书过期、容器反复重启,往往是用不了那天才知道。监控的意义不是画一堆图,而是在你发现之前先响一声。

交付什么

  • 采集:node_exporter 看主机,cAdvisor 看容器,应用自己暴露的指标按需接。
  • 存储和保留:Prometheus 的数据放哪、留多久、磁盘怎么估。
  • 日志(可选):Loki 接容器日志,和指标放在一个 Grafana 里查。
  • 面板:主机、容器、证书到期、备份结果,先做每天真会看的几个。
  • 告警:规则、阈值、通知渠道(邮件或 webhook),以及静默和分组,避免半夜被同一个问题刷屏。
  • 验证:手动造一次磁盘满或服务挂掉,确认告警真能发出来。

不包含

  • 托管监控。数据在你的机器上,机器挂了监控也一起挂。
  • 7×24 值守和代接告警。
  • 第三方通知渠道的可用性。
  • 应用内部埋点改造,只接现成的指标。

适合谁

已经有多个服务,或者被“半夜挂掉、第二天才发现”坑过。只有一个服务、偶尔重启,先把手动检查做好更划算。

怎么开始

发邮件说明:几台机器、跑哪些服务、现在有没有 Prometheus、告警想发到哪。确认范围后给报价。

常见问题

会不会很吃资源?

Prometheus 和 Grafana 本身不重,吃资源的是指标基数和保留时间。交付时会按你的机器定采集范围和保留天数。

告警太多怎么办?

先只留磁盘、证书、服务不可用和备份失败四类,跑一周再调阈值。规则不是越多越好。

相关

有问题就发邮件。纠错、提问或者聊项目,都发到 [email protected]。本页也有 Markdown 版本:/zh/services/grafana.md。

不确定从哪开始?

先做一次资源评估,或者把配置和目标发到邮箱。回复会说范围合不合适、下一步要什么。