技能介绍

解决什么问题

手动维护 Grafana 仪表板常遇到这些问题：修改某个指标的查询条件需要在大量 JSON 中逐一查找；同一套面板在多个环境（如测试、生产）重复配置，却无法复用；多数据源（Prometheus、Loki、Tempo）的混合查询手写配置容易出错，且难以批量更新。当仪表板数量增多，纯手工操作会变得低效且容易引入配置偏差。

核心能力

该技能通过程序化方式生成仪表板，核心依赖三部分：Grafonnet（基于 Jsonnet 的库）负责用代码描述面板与布局；Grafana HTTP API 用于将生成的配置直接同步到 Grafana；grafana-toolkit 辅助处理构建与部署流程。支持在同一面板中混合使用 Prometheus 的指标查询、Loki 的日志检索与 Tempo 的链路追踪，解决多数据源统一配置的痛点。

关键步骤大致为：使用 Jsonnet 编写可参数化的模板，通过 grafonnet.dashboard 组合面板与数据源绑定，调用 Grafana HTTP API 将生成的 JSON 推送到指定实例，再借助 grafana-toolkit 验证格式与依赖。配置不再是零散的文件，而是可版本控制、可复用的代码。

注意点

该方案依赖 Grafonnet、Jsonnet 和 grafana-toolkit 等工具链，需提前在环境中准备。重要：Jsonnet 的 C 实现存在明显性能问题，应优先使用 go-jsonnet 实现。生成的配置需符合 Grafana 当前版本的 API 规范，跨大版本升级时可能需要调整模板。文档参考 Grafonnet 官方指南，适合需要批量生成、多环境管理仪表板的工程团队，对单页快速配置场景偏重。