跳到主要内容

Grafana日志可视化

介绍​

Grafana是一个开源的指标分析和可视化平台，与Loki深度集成后，能够将日志数据转化为直观的图表和仪表盘。本章将指导初学者通过Grafana探索Loki存储的日志数据，实现从原始日志到可视化洞察的完整流程。

基础概念​

1. Loki数据源配置​

首先需在Grafana中添加Loki数据源：

# grafana配置示例 (datasources.yaml)
datasources:
  - name: Loki
    type: loki
    url: http://loki:3100
    access: proxy

2. LogQL查询语言​

通过LogQL筛选日志：

{app="nginx"} |= "error" | json | latency > 500ms
提示

|= 是字符串匹配操作符，| json 会自动解析JSON格式日志字段

可视化实战​

1. 时间序列日志统计​

sum by (level) (
  count_over_time(
    {app="myapp"} | json | level=~"(error|warn)" [1h]
  )
)

2. 日志字段提取表格​

使用line_format格式化输出：

{container="frontend"} 
| json 
| line_format "{{.user}} ({{.ip}}) - {{.method}} {{.path}}"

实际案例：电商系统监控​

场景需求​

监控用户下单流程中的异常日志：

  1. 支付超时（包含"payment timeout"）
  2. 库存校验失败（statusCode=500且path包含"/stock"）

解决方案​

{app="ecommerce"} 
|~ "payment timeout" 
or 
(statusCode=500 and path=~"/stock/.*")
| rate [5m]
最佳实践

建议为高频查询添加缓存：
Loki配置 -> query_range -> max_entries

高级技巧​

1. 多数据源关联​

将日志指标与Prometheus指标联合查询：

# 关联错误日志与CPU负载
(avg_over_time({app="api"} |= "panic" [5m])) by (pod)
+
on(pod) group_left
(container_cpu_usage_seconds_total)

2. 变量模板化​

创建可交互的仪表盘：

# 在Dashboard设置中添加变量
Variables -> name=level -> Query: label_values(logs, level)

总结​

关键知识点回顾：

  • Loki数据源的基础配置方法
  • LogQL的过滤/统计语法
  • 时间序列与表格两种可视化形式
  • 实际业务场景的查询设计模式

延伸学习​

推荐练习：

  1. 创建一个显示不同namespace错误率的趋势图
  2. 设计包含日志样本和统计数据的混合面板
  3. 实现基于日志内容的告警规则

附加资源：

  • Grafana官方日志可视化教程
  • LogQL语法速查手册
  • 性能优化白皮书