Grafana可视化面板配置：从数据源到仪表盘完整教程

Grafana 可视化面板配置的核心流程是：先部署 Grafana 并确认服务可访问，再添加数据源，然后创建或导入仪表盘，最后配置变量和告警让面板真正可用。
本文按这个顺序展开，适合刚接触监控面板、还没成功看到图表的读者。

开始前的环境确认

动手前先确认三件事，能避免后面大部分报错。

• 一台可用的 Linux 服务器，建议 2 核 4G 起步，磁盘留出至少 10G。
• 已有一个可查询的监控数据源，比如 Prometheus、MySQL 或 Elasticsearch；如果暂时没有，可以先用 Grafana 自带的 TestData 数据源练手。
• 服务器防火墙或安全组放行 Grafana 默认端口 3000，否则浏览器会打不开。

用 Docker 安装是最省事的方式，执行：

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

启动后访问 http://服务器IP:3000，默认账号密码都是 admin，首次登录会要求改密码。
如果页面打不开，先在服务器上执行 curl -I http://localhost:3000，返回 302 说明服务正常，问题出在防火墙或安全组。

添加数据源并验证连通性

数据源是面板的数据来源，配置错了后面画不出图。
进入左侧菜单 Connections → Data sources → Add data source。

以 Prometheus 为例，填写：

• Connection URL：http://localhost:9090，如果 Prometheus 在另一台机器就换成对应 IP。
• Scrape interval：保持默认 15s 即可，和 Prometheus 采集间隔一致。

填完点最下方的 Save & test，出现 Data source is working 才算成功。
如果提示连接超时，优先检查 Prometheus 是否监听在 0.0.0.0:9090，以及两台机器之间网络是否通。

关键点：Grafana 容器里的 localhost 指的是容器本身，不是宿主机。
如果 Grafana 用 Docker 跑、Prometheus 装在宿主机，URL 要写宿主机的内网 IP，不能写 localhost。

创建第一个可视化面板

数据源通了之后，进入 Dashboards → New → New dashboard → Add visualization，选择刚配置的数据源。

在查询框里输入一个 PromQL 表达式，例如查看节点 CPU 使用率：

100 - (avg by(instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)

右侧 Panel options 里给面板起个名字，
比如“CPU 使用率”。Visualization 类型根据数据选：
随时间变化的指标用 Time series，
当前值用 Stat，
占比用 Gauge。

保存时给仪表盘命名，比如 服务器监控。
之后可以在 Dashboard settings → Variables 里添加变量，比如：

• Name：instance
• Type：Query
• Query：label_values(node_cpu_seconds_total, instance)

这样面板顶部会多出一个下拉框，切换不同服务器时图表自动联动，不用为每台机器单独建面板。

配置告警与常见报错排查

面板画好只是第一步，真正有用的是出问题时能收到通知。
在面板编辑页左侧选 Alert → Create alert rule，设置触发条件，例如 CPU 使用率连续 5 分钟超过 80% 就告警，再在 Contact points 里配置邮件或 Webhook 接收地址。

几个高频问题及处理方式：

• 面板显示 No data：先确认时间范围选得对不对，再回到 Explore 页面用同样的查询语句验证数据源是否有数据。
• 变量下拉框为空：多数是变量查询语句的指标名写错，或时间范围太短导致没有匹配数据。
• 图表时间对不上：检查服务器时区和 Grafana 时区设置是否一致，通常在 Preferences 里调整。
• 导入的仪表盘全是红框：一般是数据源名称不匹配，导入时需要手动选择对应数据源，或提前把数据源命名为模板期望的名字。

验证面板是否真正可用

配置完成后别急着关页面，做三项检查：切换变量下拉框，确认图表数据跟着变；
把时间范围调成最近 1 小时，看曲线是否正常刷新；
手动触发一次告警条件，确认通知能收到。
三项都通过，说明 Grafana 可视化面板配置已经落地，可以投入日常监控使用。
后续如果需要长期维护，建议把仪表盘导出为 JSON 备份，方便迁移和版本管理。