AI BetaAI generatedPreviewDownload

Grafana 看板生成器

为 Prometheus、Loki、Node Exporter、API、Kubernetes 监控生成 Grafana dashboard JSON。

示例

生成类型

生成需求

Generated JSON

{
  "title": "API Service Overview",
  "timezone": "browser",
  "refresh": "30s",
  "time": {
    "from": "now-6h",
    "to": "now"
  },
  "panels": [
    {
      "title": "Request rate",
      "type": "timeseries",
      "gridPos": {
        "x": 0,
        "y": 0,
        "w": 12,
        "h": 8
      },
      "targets": [
        {
          "expr": "sum(rate(http_requests_total[5m]))"
        }
      ]
    },
    {
      "title": "Error rate",
      "type": "timeseries",
      "gridPos": {
        "x": 12,
        "y": 0,
        "w": 12,
        "h": 8
      },
      "targets": [
        {
          "expr": "sum(rate(http_requests_total{status=~\"5..\"}[5m])) / sum(rate(http_requests_total[5m]))"
        }
      ]
    },
    {
      "title": "P95 latency",
      "type": "timeseries",
      "gridPos": {
        "x": 0,
        "y": 8,
        "w": 12,
        "h": 8
      },
      "targets": [
        {
          "expr": "histogram_quantile(0.95, sum(rate(http_request_duration_seconds_bucket[5m])) by (le))"
        }
      ]
    }
  ],
  "templating": {
    "list": [
      {
        "name": "service",
        "type": "query",
        "query": "label_values(up, job)"
      }
    ]
  }
}

预览

预览结果会显示在这里。

下一步可以继续

把生成结果带到相关工具里继续预览、转换或排查。

AI 图表生成器

用自然语言生成可编辑 Mermaid 图表，并在导出前完成预览和 review。

打开

Mermaid AI 修复器

用 AI 修复 Mermaid 语法错误，并在发布前检查图表语义和可读性。

打开

架构图生成器

用 AI 从产品或系统说明生成 Mermaid 架构图。

打开

使用方法

1描述服务、数据源类型和需要监控的指标。
2生成 dashboard JSON 后检查面板标题、查询语句、单位和时间范围。
3复制或下载 JSON，先导入 Grafana 测试目录。
4根据真实环境调整 datasource UID 和 PromQL 标签。

常见场景

Grafana 看板初始化Prometheus 面板设计Kubernetes 监控API 延迟看板可观测性文档

常见问题

生成的 JSON 能直接导入 Grafana 吗？

建议当草稿使用。先导入测试目录，再调整 datasource UID、PromQL 标签、单位、阈值和目录权限。

API 看板应包含哪些指标？

基础看板通常包含请求量、错误率、延迟分位数、饱和度、依赖失败，以及日志或 trace 跳转。

为什么不手工建看板？

生成可以快速得到可重复的服务看板基线，但仍需要人工 review 才能贴合真实 SLO 和标签。

Grafana Dashboard Generator 可以为 Prometheus、Loki、Node Exporter、API 服务、Kubernetes 和数据库监控生成可编辑 dashboard JSON。

生成结果应作为草稿：导入前要检查面板标题、PromQL、阈值、单位和 datasource 名称。

它适合和 Prometheus 告警规则一起使用，同一组服务信号应该既能看图，也能触发告警。

Demo：API 服务看板的基础面板

服务看板应该先回答四个问题：有没有流量、有没有失败、是否变慢、资源是否接近瓶颈。

Traffic：按 route 或 status 分组的请求速率。
Errors：5xx 速率和错误比例，而不只是错误数量。
Latency：优先使用 histogram bucket 计算 p50、p95、p99。
Saturation：CPU、内存、队列深度或连接池使用率。

histogram_quantile(0.95, sum by (le, route) (rate(http_request_duration_seconds_bucket[5m])))
sum(rate(http_requests_total{status=~"5.."}[5m])) / sum(rate(http_requests_total[5m]))

这些表达式是示例，真实标签名需要和你的埋点一致。

Dashboard Review：避免只有“好看”但不能排障的面板

好的 dashboard 应回答真实运维问题：服务是否存活、流量是否正常、用户是否报错、瓶颈在哪里。漂亮面板不等于可用面板。

请求量要和错误率一起看，避免把流量下降误判为成功。
用户接口优先看 p95/p99，不要只看平均延迟。
变量应减少重复，而不是隐藏主要服务视图。

histogram_quantile(0.95, sum(rate(http_request_duration_seconds_bucket{job="$service"}[5m])) by (le))