Grafana 生产仪表盘

要解决什么问题

运维和 SRE 往往在 Prometheus 里已经有指标，却在 Grafana 上堆面板、缺层级，告警与 SLO 也对不齐。本技能面向可用于生产的仪表盘：把应用、基础设施和业务 KPI 放在同一套设计原则里，而不是零散抄社区模板。

技能如何工作

技能从目标与约束出发，要求你明确输入后再给出可执行步骤与验证方式；细节示例在 resources/implementation-playbook.md。

核心能力包括：

• 方法论：服务侧用 RED（Rate / Errors / Duration），资源侧用 USE（利用率、饱和度、错误）。
• 结构与面板：说明 Stat、时间序列、Table、热力图等类型，以及查询变量在 PromQL 中的用法；API 监控可参考 assets/api-dashboard.json。
• 常见模式：基础设施（CPU/内存/磁盘/网络、Pod 与节点状态，见 infrastructure-dashboard.json）、数据库（QPS、连接池、P50/P95/P99、复制与慢查询，见 database-dashboard.json）、应用（请求速率、错误率、百分位延迟、缓存与队列等）。
• 落地方式：仪表盘内告警、dashboards.yml 等 Provisioning，以及 Terraform / Ansible 的「仪表盘即代码」思路。

实践上强调：从社区模板改起、命名与配色一致、用 row 分组、默认时间范围（如近 6 小时）、单位与颜色阈值、多时间范围自测。

适用边界与注意点

任务与 Grafana 仪表盘无关，或必须依赖本技能范围外的工具/领域时，不适用。指标采集与 SLO 定义分别应结合相关技能（如 prometheus-configuration、slo-implementation）；本技能侧重设计与配置仪表盘，不替代你自行校验数据源与 PromQL 是否正确。