Grafana如何监控Linux服务器？仪表盘配置与指标展示教程

有了 Prometheus 采集数据，很快就会遇到新问题：PromQL 查询界面只能一条条看曲线，不够直观；想给老板或同事看一台机器的整体状态，总不能让人家去敲查询语句。这时候就需要 Grafana。它是一个把各种数据源的数据画成图表的可视化工具，支持 Prometheus、MySQL、InfluxDB、Elasticsearch 等几十种数据源，最擅长做的就是"一屏看清所有关键指标"。

这篇文章从安装 Grafana 讲起，带你添加 Prometheus 数据源，动手做一个基于 node_exporter 的主机总览面板，再讲模板变量、导入社区现成 dashboard、告警配置这些进阶内容。面向运维新手，每一步都给真实命令和界面路径，跟着做能搭出一套看得过去的监控大屏。读完你会明白：数据采集靠 Prometheus，展示和告警面板靠 Grafana，两者分工明确。

安装 Grafana

Grafana 官方提供各系统的仓库。RHEL、Rocky、CentOS：

sudo tee /etc/yum.repos.d/grafana.repo >/dev/null <<'EOF'
[grafana]
name=grafana
baseurl=https://rpm.grafana.com
repo_gpgcheck=1
enabled=1
gpgcheck=1
gpgkey=https://rpm.grafana.com/gpg.key
EOF
sudo dnf install -y grafana

Debian、Ubuntu：

sudo apt-get install -y apt-transport-https software-properties-common wget
sudo mkdir -p /etc/apt/keyrings/
wget -q -O - https://apt.grafana.com/gpg.key | gpg --dearmor | sudo tee /etc/apt/keyrings/grafana.gpg >/dev/null
echo "deb [signed-by=/etc/apt/keyrings/grafana.gpg] https://apt.grafana.com stable main" | sudo tee /etc/apt/sources.list.d/grafana.list
sudo apt-get update
sudo apt-get install -y grafana

启动并设置开机自启：

sudo systemctl enable --now grafana-server
sudo systemctl status grafana-server

默认监听 3000 端口，配置文件在 /etc/grafana/grafana.ini，数据存在 /var/lib/grafana。浏览器打开 http://监控机IP:3000，默认账号密码都是 admin，第一次登录会强制改密码。

放行端口：

# RHEL、Rocky、CentOS
sudo firewall-cmd --permanent --add-port=3000/tcp
sudo firewall-cmd --reload

# Debian、Ubuntu
sudo ufw allow 3000/tcp

风险提示： Grafana 默认对全网开放，且承载大量内部指标信息。生产环境建议用反向代理加 HTTPS，或把 3000 端口限定为办公网段访问，并严格设置账号权限，不要长期用默认管理员账号共享给所有人。Grafana 支持对接 LDAP、OAuth 等外部认证，团队使用建议接上统一登录。

添加数据源

登录后进入左侧「Connections → Data sources → Add data source」，选择 Prometheus。

关键配置项：

点「Save & test」，显示绿色的 "Data source is working" 就成功了。这里要理解一点：Grafana 的 Server 模式是 Grafana 后端去访问 Prometheus，所以浏览器能打开不等于配置对，关键是 Grafana 服务器本身能访问到 Prometheus 的 9090 端口。

如果要接 MySQL，选择 MySQL 数据源，填主机、端口、数据库名和账号密码即可。接 MySQL 的场景通常是画业务指标，比如用户注册数、订单量这类存在关系库里的数据，用 SQL 直接查出来画图。

第一个面板：Linux 主机总览

数据源就绪后，新建一个 Dashboard：左侧「Dashboards → New → New dashboard → Add visualization」，选 Prometheus 数据源。

面板一：CPU 使用率。 查询框里填：

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

右侧面板设置里，Title 填"CPU 使用率"，单位选 Misc → Percent (0-100)，可视化类型选 Time series。如果想让超阈值变红，可以在 Thresholds 里加一条：基础绿色，百分之八十以上黄色，百分之九十以上红色。

面板二：内存使用率。

(1 - node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes) * 100

单位选 Percent。这里用 MemAvailable 而不是 MemFree，原因和前面文章讲的一样，空闲内存被页缓存占着是正常的。

面板三：磁盘使用率。 这个指标是 Gauge 类型（node_filesystem_avail_bytes），要算使用率得用总量减可用：

(1 - node_filesystem_avail_bytes{fstype!~"tmpfs|overlay"} / node_filesystem_size_bytes{fstype!~"tmpfs|overlay"}) * 100

用 fstype!~"tmpfs|overlay" 过滤掉虚拟文件系统，否则会出现一堆无意义的挂载点。可视化类型可以选 Gauge 或 Bar gauge，一眼看出哪块盘快满了。

面板四：网络流量。

# 入站速率（字节/秒转 Mbps）
rate(node_network_receive_bytes_total{device!="lo"}[5m]) * 8 / 1000000
# 出站速率
rate(node_network_transmit_bytes_total{device!="lo"}[5m]) * 8 / 1000000

单位选 Data rate → megabits/sec，加 device!="lo" 过滤回环网卡。

面板五：系统负载。

node_load1
node_load5
node_load15

单位选无，配合 CPU 核心数（count(node_cpu_seconds_total{mode="idle"}) by (instance)）一起判断。

把这几块拼成一个主机总览 dashboard，加一个 Time range 控件，默认显示最近六小时，就很好用了。布局上，CPU、内存、磁盘放上面一排，网络和负载放下排，符合"先看是否异常、再看细节"的浏览习惯。

模板变量：一个面板看所有机器

硬编码面板只能看固定主机，机器一多就要复制粘贴。模板变量（Variables）能解决这个问题。在 Dashboard 设置 → Variables 里新建一个变量：

这样顶部就会出现一个下拉框，列出所有被监控实例。然后在每个面板的查询里，把写死的实例名换成 $instance：

(1 - node_memory_MemAvailable_bytes{instance=~"$instance"} / node_memory_MemTotal_bytes{instance=~"$instance"}) * 100

注意这里用 =~ 正则匹配而不是 =，因为多选时变量会展开成 a|b|c 的形式，用 = 会匹配不上。选「All」时变量值是 .*，也能正确匹配全部。

再加一个 env 或 job 变量做二级筛选，就能实现"先选环境、再选机器"的联动。这个技巧在任何规模下都值得用。

导入社区 Dashboard

没必要所有面板都从零画。Grafana 官方社区（grafana.com/grafana/dashboards）有大量现成模板，主机监控最经典的是 node_exporter 配套的那个（ID 1860）。

导入方式：左侧「Dashboards → New → Import」，输入 dashboard ID 1860，点 Load，选择 Prometheus 数据源，再选好刚才建的 instance 变量，导入即可。

导入后你可能会发现实例名显示成 192.0.2.20:9100 这种带端口的形式，不够友好。可以用 label_replace 或在前端变量里做正则清洗：

label_replace(node_load1, "host", "$1", "instance", "(.*):.*")

更简单的办法是给每个 target 加上 nodename 之类的标签，展示时用这个标签。这也是前面配置 scrape_configs 时建议加标签的用处。

社区模板的好处是省时间，但要注意两点：一是模板版本可能和你部署的 exporter 版本不匹配，某些指标名对不上，需要微调；二是别人写的查询未必适合你的场景，导入后要逐个面板检查逻辑，特别是带阈值的面板，别直接沿用不明来历的阈值。

Grafana 告警配置

Grafana 8 之后有统一的 Alerting 模块，可以在面板上直接建告警规则。以"磁盘使用率超过百分之八十五"为例：

在磁盘面板的 Edit 界面，切到 Alert 标签页，创建规则，条件设为"当查询结果大于 85 时触发"，设置评估间隔（比如每分钟）和持续时间（比如持续五分钟才触发，避免抖动）。

告警规则需要一个"联络点"（Contact point）来定义发给谁，支持 Email、企业微信（通过 Webhook）、Slack、钉钉等。在「Alerting → Contact points」里新建，填好地址；再到「Notification policies」里配置路由，把不同严重级别的告警发到不同的联系点。

一个实际建议：监控告警最好集中在一个地方管理。如果已经用了 Prometheus + Alertmanager，就优先在 Alertmanager 里写规则，Grafana 只负责展示；如果不想引入 Alertmanager，用 Grafana 自带的告警也够用。两套都配、各写一半，最后会搞不清哪条告警从哪来，排查时非常痛苦。

告警做到可用后要警惕"告警疲劳"：规则太多、阈值太敏感，值班的人会逐渐无视消息。规则里尽量用 for 或持续时间做防抖，把非关键指标降级为值班看板而不是直接推送。

常见问题

Grafana 显示 "No data" 但 Prometheus 里能查到？

三个方向排查：一是时间范围选错了，比如选了过去五分钟但采集间隔就十五秒，可能只有零星点；二是模板变量没选对，All 时查询用 = 而非 =~ 会查不到；三是 Grafana 服务器到 Prometheus 的网络不通，这种情况 Save & test 时就会报错。

时间显示对不上或曲线错位？

检查 Grafana 服务器、浏览器、Prometheus 三者的时间是否一致。Grafana 默认按浏览器时区渲染，如果服务器时区是 UTC、浏览器是东八区，看图时容易产生误会。可以在 Dashboard 设置里固定时区，并确保所有机器时间同步。

面板刷新慢、查询超时怎么办？

通常是查询范围太大或 PromQL 太重。减少时间跨度、用 recording rules 预计算、避免 {__name__=~".+"} 这类全表扫描，都能显著提速。Prometheus 的查询是即时的，不做缓存，复杂查询在高基数下会很慢。

dashboard 怎么备份和分享？

在 Dashboard 设置里可以导出 JSON，保存到 Git 里做版本管理，换环境时导入即可。团队共享建议用 Grafana 的文件夹和权限功能，把不同业务的面板分开放，而不是所有人共用一个默认文件夹。

总结

• Grafana 负责可视化，不负责采集；数据来自 Prometheus、MySQL 等数据源，两者分工清晰。
• 添加数据源时关键是 Grafana 服务器能访问到数据源，浏览器能打开不代表配置正确。
• 基于 node_exporter 的常用面板就五块：CPU、内存、磁盘、网络、负载，PromQL 表达式基本固定，可以直接复用。
• 模板变量用 label_values 加 =~ 匹配，一个面板就能看所有机器，这是从小规模走向规模化的关键一步。
• 社区 dashboard（如 node_exporter 的 1860）能省大量时间，但导入后必须核对指标名和阈值是否适配自己的环境。
• 告警规则集中在 Alertmanager 或 Grafana 里二选一，配好防抖和分级，才能避免告警疲劳。