findscripter 何时使用
当你要为系统、服务或业务搭建生产可用的 Grafana 监控看板时使用，典型场景：
- 把 Prometheus 指标可视化为大盘（请求量、错误率、延迟等）。
- 设计 API / 基础设施 / 数据库 / 应用 / 业务 KPI 看板。
- 落地 SLO 看板与面板内告警。
- 用模板变量做多环境/多服务复用，或用 Terraform/Ansible 做「看板即代码」。
不该用的边界：
- 任务与 Grafana 看板无关。
- 需求其实是「指标采集/抓取配置」（属 Prometheus 配置范畴）或非 Grafana 的可视化工具。
- 需要的是脱离具体环境的最终结论——本技能产出仍需在真实环境验证。
步骤
- 明确目标：监控对象是服务还是资源、关键问题是什么、谁来看（值班/管理层）。
- 选方法论：服务用 RED（Rate 请求率 / Errors 错误率 / Duration 延迟），资源用 USE（Utilization 利用率 / Saturation 饱和度 / Errors 错误数）。
- 排信息层级：顶部放关键大数字（Stat），中部放趋势（Time Series），底部放明细（Table/Heatmap）。
- 写 PromQL 与面板：逐个确定
expr、legendFormat、单位、阈值与配色。 - 加模板变量（namespace/service 等）实现复用，并在查询中引用
$var。 - 配告警与 Provisioning，必要时落到 Terraform/Ansible 实现看板即代码。
- 用不同时间范围验证，补面板描述与一致命名。
指令
- 信息层级（从上到下）：关键大数字 → 关键趋势 → 详细指标。
- 服务三件套 RED；资源三件套 USE。
- 最佳实践：优先复用社区模板；命名一致；相关指标分组成 row；默认时间范围合理（如 Last 6 hours）；正确配置单位；阈值/配色有意义且跨看板一致；为面板加描述；多时间范围测试。
示例
API 看板核心三面板（RED 的 PromQL）：
请求率：
sum(rate(http_requests_total[5m])) by (service)
错误率（%）：
(sum(rate(http_requests_total{status=~"5.."}[5m])) / sum(rate(http_requests_total[5m]))) * 100
P95 延迟：
histogram_quantile(0.95, sum(rate(http_request_duration_seconds_bucket[5m])) by (le, service))
资源类 PromQL 示例——CPU 使用率：
100 - (avg by (instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)
面板片段（Time Series，含 12x8 网格位）：
{
"title": "Request Rate",
"type": "graph",
"targets": [
{ "expr": "sum(rate(http_requests_total[5m])) by (service)", "legendFormat": "{{service}}" }
],
"gridPos": {"x": 0, "y": 0, "w": 12, "h": 8}
}
模板变量（级联）：
{
"templating": { "list": [
{ "name": "namespace", "type": "query", "datasource": "Prometheus",
"query": "label_values(kube_pod_info, namespace)", "refresh": 1, "multi": false },
{ "name": "service", "type": "query", "datasource": "Prometheus",
"query": "label_values(kube_service_info{namespace=\"$namespace\"}, service)", "refresh": 1, "multi": true }
] }
}
在查询中引用：sum(rate(http_requests_total{namespace="$namespace", service=~"$service"}[5m]))
面板告警（错误率 > 5%）：
{
"alert": {
"name": "High Error Rate", "for": "5m", "frequency": "1m",
"conditions": [{
"evaluator": {"params": [5], "type": "gt"},
"operator": {"type": "and"},
"query": {"params": ["A", "5m", "now"]},
"reducer": {"type": "avg"}, "type": "query"
}],
"executionErrorState": "alerting", "noDataState": "no_data",
"message": "Error rate is above 5%",
"notifications": [{"uid": "slack-channel"}]
}
}
Provisioning（dashboards.yml）：
apiVersion: 1
providers:
- name: 'default'
orgId: 1
folder: 'General'
type: file
disableDeletion: false
updateIntervalSeconds: 10
allowUiUpdates: true
options:
path: /etc/grafana/dashboards
看板即代码（Terraform）：
resource "grafana_folder" "monitoring" {
title = "Production Monitoring"
}
resource "grafana_dashboard" "api_monitoring" {
config_json = file("${path.module}/dashboards/api-monitoring.json")
folder = grafana_folder.monitoring.id
}
常见看板的关键面板清单：
- 基础设施：各节点 CPU/内存、磁盘 I/O、网络流量、各命名空间 Pod 数、节点状态。
- 数据库：QPS、连接池占用、查询延迟（P50/P95/P99）、活跃连接、库大小、复制延迟、慢查询。
- 应用：请求率、错误率、响应时间分位、活跃用户/会话、缓存命中率、队列长度。
注意事项
- 面板类型按用途选：单值用
stat（配 thresholds 三档配色），趋势用 time series 并设好format/max/min，明细用table（instant + organize transformation 重命名列），延迟分布用heatmap（dataFormat: tsbuckets）。 - 告警配置要点：
for控制持续时间、noDataState/executionErrorState决定无数据与执行异常时的行为，避免抖动误报。 - 看板 JSON 应纳入版本管理；改动通过 Provisioning 或 IaC 下发而非仅手工编辑 UI。
- 产出不能替代针对具体环境的验证、测试与专家评审；若缺少必要输入、权限或成功标准，先停下来澄清。
互见
- Prometheus 配置（指标采集）——本技能聚焦可视化，采集与抓取规则在此之外。
- SLO 实施——SLO 看板的目标定义与错误预算计算。
采编自 sickn33/antigravity-awesome-skills（MIT）。