Grafana: 73,876 GitHub Stars — Docker 배포 가이드 2026 | dibi8

모든 프로덕션 사고는 하나의 질문으로 시작된다: “무엇이 바뀌었나?” 메트릭, 로그, 추적 데이터를 중앙 집중화된 뷰 없이는 그 질문에 답하는 데 몇 분 — 때로는 몇 시간 — 이 걸린다. GitHub 73,876 스타를 보유한 오픈소스 시각화 플랫폼인 Grafana는 그 질문을 한눈에 보이는 대시보드로 바꾼다. 이 가이드에서는 프로덕션급 Docker 배포, 데이터 소스 통합, 그리고 개념 검증과 프로덕션 준비 모니터링 스택을 구분하는 강화 결정을 다룬다.

Grafana란 무엇인가? #

Grafana는 100개 이상의 데이터 소스 — 시계열 데이터베이스, 로그 집계기, 추적 백엔드, 클라우드 API — 에서 데이터를 시각화하여 통합되고 공유 가능한 대시보드를 구축하는 오픈소스 모니터링 및 관측 가능성 플랫폼이다. 2014년 Torkel Ödegaard가 Graphite 프론트엔드로 최초 출시한 Grafana는 현재 LGTM 스택(Loki, Grafana, Tempo, Mimir)과 더 넓은 클라우드 네이티브 관측 가능성 생태계에서 시각화 레이어의 표준으로 자리매김했다.

Grafana의 작동 방식 #

Grafana는 데이터 소스와 운영 팀 사이에서 상태 비저장(stateless) 시각화 레이어로 작동한다. 스스로 메트릭이나 로그를 저장하지 않는다. 대신 네이티브 API를 통해 외부 데이터 소스를 쿼리하고 결과를 패널, 대시보드, 알림으로 렌더링한다.

핵심 아키텍처 컴포넌트:

데이터 소스 — Prometheus, Loki, InfluxDB, Elasticsearch, CloudWatch, Azure Monitor 등 100개 이상의 네이티브 플러그인
쿼리 엔진 — 각 패널이 해당 데이터 소스의 네이티브 언어(PromQL, LogQL, InfluxQL, Lucene)로 쿼리를 실행
알림 엔진 — 쿼리 결과에 대해 알림 규칙을 평가하고 Slack, PagerDuty, 이메일, Webhook으로 알림을 라우팅
대시보드 모델 — 버전 관리가 가능하고 Git에서 프로비저닝하거나 커뮤니티 라이브러리에서 가져올 수 있는 JSON 기반 대시보드 정의
인증 레이어 — 다중 테넌트 배포를 위한 OAuth, LDAP, SAML, API 키 액세스 지원

전형적인 데이터 흐름은 다음과 같다: Prometheus가 애플리케이션과 Node Exporter에서 메트릭을 수집하고, Loki가 Promtail이나 Fluentd에서 로그를 집계하며, Grafana는 둘 모두를 쿼리하여 CPU 스파크(메트릭)와 오류 급증(로그)이 나란히 표시되는 연관 대시보드를 렌더링한다.

전형적인 프로덕션 Grafana 대시보드는 여러 패널 유형을 결합한다 — CPU/메모리용 시계열 그래프, 현재 값용 통계 패널, 실시간 오류용 로그 스트림, 인시던트 상관관계용 알림 주석 — 모두 단일 뷰에서 서로 다른 데이터 소스를 쿼리한다.

설치 및 설정 #

Docker CLI — 단일 컨테이너 (30초) #

로컬 탐색을 위해 Grafana를 가장 빠르게 실행하는 방법:

# Grafana 데이터를 위한 지속 볼륨 생성
docker volume create grafana-storage

# 최신 안정화 Grafana Enterprise 이미지 실행
docker run -d \
  -p 3000:3000 \
  --name=grafana \
  --volume grafana-storage:/var/lib/grafana \
  grafana/grafana-enterprise

http://localhost:3000으로 접속한다. 기본 자격 증명은 admin / admin이다. 첫 로그인 시 비밀번호 변경을 요청받는다.

Docker Compose — 프로덕션 준비 스택 #

프로덕션급 모니터링 스택을 위해 Grafana와 Prometheus, Loki를 함께 구성한다. 다음 디렉터리 구조를 생성한다:

mkdir -p ~/grafana-stack/{prometheus,loki,grafana/provisioning/datasources,grafana/provisioning/dashboards,grafana/dashboards}
cd ~/grafana-stack

docker-compose.yml:

version: "3.8"

services:
  grafana:
    image: grafana/grafana-enterprise:11.6.0
    container_name: grafana
    restart: unless-stopped
    ports:
      - "3000:3000"
    environment:
      - GF_SECURITY_ADMIN_USER=${GRAFANA_ADMIN_USER:-admin}
      - GF_SECURITY_ADMIN_PASSWORD=${GRAFANA_ADMIN_PASSWORD:-admin}
      - GF_USERS_ALLOW_SIGN_UP=false
      - GF_SERVER_ROOT_URL=https://grafana.yourdomain.com
      - GF_INSTALL_PLUGINS=grafana-clock-panel,grafana-piechart-panel
    volumes:
      - grafana-data:/var/lib/grafana
      - ./grafana/provisioning:/etc/grafana/provisioning
      - ./grafana/dashboards:/var/lib/grafana/dashboards
    networks:
      - monitoring
    depends_on:
      - prometheus
      - loki

  prometheus:
    image: prom/prometheus:v3.2.0
    container_name: prometheus
    restart: unless-stopped
    ports:
      - "9090:9090"
    volumes:
      - ./prometheus/prometheus.yml:/etc/prometheus/prometheus.yml
      - prometheus-data:/prometheus
    command:
      - '--config.file=/etc/prometheus/prometheus.yml'
      - '--storage.tsdb.path=/prometheus'
      - '--storage.tsdb.retention.time=30d'
      - '--web.enable-lifecycle'
    networks:
      - monitoring

  loki:
    image: grafana/loki:3.4.0
    container_name: loki
    restart: unless-stopped
    ports:
      - "3100:3100"
    volumes:
      - ./loki/loki-config.yml:/etc/loki/local-config.yaml
      - loki-data:/loki
    command: -config.file=/etc/loki/local-config.yaml
    networks:
      - monitoring

  promtail:
    image: grafana/promtail:3.4.0
    container_name: promtail
    restart: unless-stopped
    volumes:
      - /var/log:/var/log:ro
      - ./loki/promtail-config.yml:/etc/promtail/config.yml
    command: -config.file=/etc/promtail/config.yml
    networks:
      - monitoring

volumes:
  grafana-data:
  prometheus-data:
  loki-data:

networks:
  monitoring:
    driver: bridge

prometheus/prometheus.yml:

global:
  scrape_interval: 15s
  evaluation_interval: 15s

scrape_configs:
  - job_name: 'prometheus'
    static_configs:
      - targets: ['localhost:9090']

  - job_name: 'node-exporter'
    static_configs:
      - targets: ['node-exporter:9100']

  - job_name: 'grafana'
    static_configs:
      - targets: ['grafana:3000']

loki/loki-config.yml:

auth_enabled: false

server:
  http_listen_port: 3100
  grpc_listen_port: 9096

ingester:
  wal:
    enabled: true
    dir: /loki/wal
  lifecycler:
    address: 127.0.0.1
    ring:
      kvstore:
        store: inmemory
      replication_factor: 1
    final_sleep: 0s
  chunk_idle_period: 5m
  chunk_retain_period: 30s

schema_config:
  configs:
    - from: 2020-05-15
      store: tsdb
      object_store: filesystem
      schema: v13
      index:
        prefix: index_
        period: 24h

storage_config:
  tsdb_shipper:
    active_index_directory: /loki/index
    cache_location: /loki/cache
  filesystem:
    directory: /loki/chunks

compactor:
  working_directory: /loki/compactor
  retention_enabled: true
  retention_delete_delay: 2h

limits_config:
  retention_period: 720h

loki/promtail-config.yml:

server:
  http_listen_port: 9080
  grpc_listen_port: 0

positions:
  filename: /tmp/positions.yaml

clients:
  - url: http://loki:3100/loki/api/v1/push

scrape_configs:
  - job_name: system-logs
    static_configs:
      - targets:
          - localhost
        labels:
          job: system-logs
          __path__: /var/log/*.log

스택 시작:

docker compose up -d

http://your-server-ip:3000에서 Grafana에 접속한다. Prometheus는 9090 포트, Loki는 3100 포트에서 사용할 수 있다.

데이터 소스 자동 프로비저닝 #

UI를 수동으로 클릭하여 데이터 소스를 추가하는 대신 Grafana의 프로비저닝 시스템을 사용한다. grafana/provisioning/datasources/datasources.yml을 생성한다:

apiVersion: 1

datasources:
  - name: Prometheus
    type: prometheus
    access: proxy
    url: http://prometheus:9090
    isDefault: true
    editable: false

  - name: Loki
    type: loki
    access: proxy
    url: http://loki:3100
    editable: false

  - name: Tempo
    type: tempo
    access: proxy
    url: http://tempo:3200
    editable: false

Grafana를 재시작하면 데이터 소스가 미리 구성된 상태로 나타난다:

docker compose restart grafana

Prometheus, Loki, InfluxDB 및 Elasticsearch와의 통합 #

Prometheus — 메트릭 대시보드 #

Prometheus는 Grafana의 사실상 표준 메트릭 소스이다. 전형적인 CPU 모니터링 패널은 PromQL을 사용한다:

# CPU 사용률 백분율
100 - (avg by(instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)

# 메모리 사용률
100 * (1 - ((node_memory_MemAvailable_bytes or node_memory_Buffers_bytes) / node_memory_MemTotal_bytes))

# 디스크 사용률
100 - ((node_filesystem_avail_bytes{mountpoint="/"} * 100) / node_filesystem_size_bytes{mountpoint="/"})

Grafana 대시보드 라이브러리에서 공식 Node Exporter Full 대시보드(ID: 1860)를 가져와 115개 이상의 사전 구축된 시스템 메트릭 패널을 사용할 수 있다.

Loki — 로그 집계 #

Loki는 동일한 대시보드에서 로그 라인을 메트릭과 나란히 표시한다. 오류 라인을 찾는 LogQL 쿼리:

# 애플리케이션별 오류 로그 수 집계
sum by(app) (rate({job="system-logs"} |= "ERROR" [5m]))

# 특정 오류 패턴 검색
{job="system-logs"} |~ "(?i)error|exception|fatal" | json | line_format "{{.message}}"

InfluxDB — 시계열 데이터 #

IoT 및 고기수(cardinality) 메트릭 워크로드의 경우 InfluxDB가 Grafana와 잘 어울린다:

-- InfluxQL 예제: 센서별 평균 온도
SELECT mean("temperature") FROM "sensors" WHERE $timeFilter GROUP BY "sensor_id", time($__interval) fill(null)

Elasticsearch — 로그 검색 #

이미 Elastic Stack에 투자한 팀을 위해 Grafana는 Elasticsearch 인덱스를 직접 쿼리할 수 있다:

{
  "query": {
    "bool": {
      "must": [
        { "match": { "level": "ERROR" } },
        { "range": { "@timestamp": { "gte": "now-1h" } } }
      ]
    }
  }
}

벤치마크 / 실제 사용 사례 #

규모에 따른 성능 특성:

메트릭	단일 인스턴스 (Docker)	HA 페어 (K8s)
대시보드 로드 시간	50-200ms	30-100ms
동시 사용자 수	50-100	500+
패널당 최대 데이터 포인트	10,000-50,000	100,000+
알림 규칙 평가	1-10s	<5s
메모리 사용량	256-512MB	512MB-1GB per pod

Netflix는 수천 개의 마이크로서비스에서 Grafana를 대규모로 실행하며 여러 낮부 시스템의 메트릭을 연관시키기 위해 커스텀 데이터 소스 플러그인을 사용한다.PayPal은 Prometheus와 함께 Grafana를 사용하여 200,000개 이상의 컨테이너를 모니터링한다. eBay는 레거시 상용 모니터링 도구를 Grafana로 교체하여 대시보드 생성 시간을 며칠에서 몇 시간으로 단축했다.

중형 이커머스 플랫폼(50대 호스트, 200만 개 활성 시리즈)에서 자체 호스팅 Grafana와 Prometheus, Loki를 실행하면 일반적으로 다음과 같은 결과를 볼 수 있다:

월간 인프라 비용: $200-500 (컴퓨팅 + 스토리지)
동등한 Datadog 비용: $9,500+/월
대시보드 생성 시간: 30분 vs. 커스텀 UI로 2시간 이상
평균 탐지 시간(MTTD): Grafana 도입 후 40-60% 감소

고급 사용법 / 프로덕션 강화 #

Grafana의 알림 타임라인 대시보드는 시간에 따른 알림 발동 패턴을 시각화하여 팀이 시끄러운 알림과 인시던트 대응 중 서로 다른 알림 규칙 간의 연관관계를 식별하는 데 도움을 준다.

SSL/TLS 종료 및 리버스 프록시 #

Grafana를 인터넷에 직접 노출하지 마라. Traefik이나 Nginx를 리버스 프록시로 사용한다:

# docker-compose.yml 추가 구성
  traefik:
    image: traefik:v3.3
    command:
      - "--api.insecure=true"
      - "--providers.docker=true"
      - "--entrypoints.websecure.address=:443"
      - "--certificatesresolvers.letsencrypt.acme.tlschallenge=true"
      - "--certificatesresolvers.letsencrypt.acme.email=admin@yourdomain.com"
      - "--certificatesresolvers.letsencrypt.acme.storage=/letsencrypt/acme.json"
    ports:
      - "443:443"
    volumes:
      - /var/run/docker.sock:/var/run/docker.sock:ro
      - ./letsencrypt:/letsencrypt
    networks:
      - monitoring

고가용성 설정 #

제로 다운타임이 필요한 프로덕션 환경을 위해:

# Grafana HA에는 공유 데이터베이스(PostgreSQL 또는 MySQL)와
# 로드 밸런서 뒤의 여러 Grafana 인스턴스가 필요하다

  postgres:
    image: postgres:17-alpine
    environment:
      POSTGRES_DB: grafana
      POSTGRES_USER: grafana
      POSTGRES_PASSWORD: ${DB_PASSWORD}
    volumes:
      - postgres-data:/var/lib/postgresql/data

  grafana-1:
    image: grafana/grafana-enterprise:11.6.0
    environment:
      - GF_DATABASE_TYPE=postgres
      - GF_DATABASE_HOST=postgres:5432
      - GF_DATABASE_NAME=grafana
      - GF_DATABASE_USER=grafana
      - GF_DATABASE_PASSWORD=${DB_PASSWORD}
      - GF_REMOTE_CACHE_TYPE=redis
      - GF_REMOTE_CACHE_CONNSTR=redis:6379
    depends_on:
      - postgres

코드로서의 알림 구성 #

프로비저닝을 통해 알림 규칙을 정의한다:

# grafana/provisioning/alerting/alert-rules.yml
apiVersion: 1
groups:
  - orgId: 1
    name: infrastructure
    folder: Infrastructure
    interval: 60s
    rules:
      - uid: high-cpu-usage
        title: CPU 사용률 80% 초과
        condition: B
        data:
          - refId: A
            relativeTimeRange:
              from: 300
              to: 0
            datasourceUid: prometheus
            model:
              expr: 100 - (avg by(instance) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 80
        noDataState: NoData
        execErrState: Error
        for: 5m
        annotations:
          summary: "{{ $labels.instance }}에서 CPU 사용률이 높습니다"

Git에서 대시보드 프로비저닝 #

대시보드를 JSON으로 저장소에 저장하고 자동으로 프로비저닝한다:

# grafana/provisioning/dashboards/dashboards.yml
apiVersion: 1

providers:
  - name: 'default'
    orgId: 1
    folder: ''
    type: file
    disableDeletion: false
    editable: false
    updateIntervalSeconds: 30
    options:
      path: /var/lib/grafana/dashboards
      foldersFromFilesStructure: true

보안 체크리스트 #

기본 관리자 비밀번호를 즉시 변경한다
사용자 가입 비활성화: GF_USERS_ALLOW_SIGN_UP=false
유효한 인증서로 HTTPS를 활성화한다
팀 환경에서는 OAuth 2.0이나 LDAP을 사용하여 인증한다
데이터 소스 프록시 액세스를 관리자 역할로 제한한다
감사 로그 활성화: GF_AUDIT_ENABLED=true
컨테이너에서 비 root 사용자로 Grafana를 실행한다
플러그인을 최신 상태로 유지한다 — 취약한 플러그인은 일반적인 공격 벡터이다

대안과의 비교 #

기능	Grafana	Datadog	Kibana	New Relic
오픈소스	예 (AGPL-3.0)	아니오	예 (SSPL)	아니오
자체 호스팅 옵션	예, 물로	아니오	예	아니오
데이터 소스	100+ 네이티브	750+ 통합	Elasticsearch 전용	100+
메트릭 (시계열)	우수 (Prometheus)	우수	양호	양호
로그 분석	양호 (Loki via)	우수	우수 (Lucene)	양호
APM / 분산 추적	Tempo/Jaeger 플러그인 via	우수 (내장)	Elastic APM via	우수
대시보드 유연성	우수	양호	양호	양호
알림 기능	양호	우수	기본	양호
설정 복잡도	중간	낮음	중간-높음	낮음
비용 (50대 호스트/월)	자체 호스팅 $0-500	$9,500-20,000	자체 호스팅 $500-1,500	$7,500-15,000
커뮤니티 / 생태계	거대함 (73K+ Stars)	대형	대형 (Elastic)	중간

선택 가이드:

Grafana — 비용에 민감한 팀, Kubernetes 네이티브 환경, 다중 소스 관측 가능성 필요성, 플랫폼 엔지니어링 성숙도
Datadog — 시장 출시 시간을 우선시하는 엔터프라이즈 팀, 전담 플랫폼 엔지니어가 없는 팀, 규정 준수가 엄격한 산업
Kibana — 심층 로그 분석 요구사항, SIEM 유스케이스, 기존 Elasticsearch 투자
New Relic — 관대한 물로 티어(100GB/월)가 있는 풀스택 APM, 사용자 기반 가격 모델

한계 / 솔직한 평가 #

Grafana는 만능이 아니다. 투입하기 전에 다음 한계를 이해하라:

내장 데이터 수집 기능 부재 — Grafana는 데이터를 시각화하지만 수집하지는 않는다. 여전히 Prometheus, Loki 또는 다른 백엔드가 필요하다. 이는 올인원 SaaS 플랫폼에 비해 운영 오버헤드를 추가한다.
로그 검색이 Lucene이 아님 — Loki는 Elasticsearch와 같은 전문 검색 대신 레이블 기반 필터링과 정규식을 사용한다. 복잡한 로그 쿼리는 더 느리고 덜 직관적일 수 있다.
알림 성숙도 — Grafana의 통합 알림(v8에서 도입)은 상당히 개선되었지만 PagerDuty의 네이티브 인시던트 관리나 Datadog의 AI 기반 이상 탐지만큼 정교하지는 않다.
플러그인 유지보수 위험 — 커뮤니티 플러그인의 품질과 유지보수 주기는 제각각이다. 작성자가 관리를 중단한 플러그인은 Grafana 업그레이드를 막을 수 있다.
설정에 전문성 필요 — LGTM 스택은 PromQL, LogQL, Alertmanager 라우팅, 클러스터 내 실행 시 Kubernetes에 대한 이해가 필요하다. 이는 클릭해서 배포하는 솔루션이 아니다.

자주 묻는 질문 #

Q1: Grafana는 상업적 용도로 완전히 물로인가?

예. 오픈소스 Grafana(AGPL-3.0)는 상업적 용도로 물로이다. Grafana Enterprise는 고급 RBAC, 데이터 소스 권한, 엔터프라이즈 지원 등의 기능을 추가 비용으로 제공한다. 대부분의 팀에게는 OSS 에디션이 충분하다.

Q2: Grafana가 Datadog을 완전히 대체할 수 있는가?

상황에 따라 다르다. 메트릭, 로그, 추적 시각화를 위해 LGTM 스택을 갖춘 Grafana는 훨씬 낮은 비용으로 Datadog 기능의 80-90%를 커버한다. 그러나 Datadog의 APM 심층성, AI 기반 이상 탐지, 바로 사용 가능한 통합은 속도를 비용보다 우선시하는 팀에게 여전히 우수하다.

Q3: Grafana 대시보드를 어떻게 백업하나?

대시보드는 JSON 형식으로 Grafana 데이터베이스에 저장된다. API를 사용하여 낼 수 있다: curl -H "Authorization: Bearer $API_KEY" http://grafana:3000/api/dashboards/uid/<uid>. GitOps 워크플로의 경우 버전 관리에서 JSON 파일로 대시보드를 프로비저닝한다.

Q4: Grafana OSS와 Grafana Enterprise의 차이점은 무엇인가?

Grafana Enterprise는 엔터프라이즈 데이터 소스 플러그인(Snowflake, SAP HANA, ServiceNow), 세부적인 액세스 제어가 있는 고급 RBAC, 보고서, 프리미엄 지원을 추가한다. 핵심 대시보드 및 시각화 기능은 동일하다.

Q5: Grafana가 대형 조직을 위해 어떻게 확장되는가?

Grafana는 로드 밸런서 뒤에서 여러 인스턴스를 실행하고 공유 PostgreSQL이나 MySQL 데이터베이스를 사용하여 수평적으로 확장된다. 500명 이상의 사용자의 경우 공식 Helm 차트를 사용하여 Kubernetes에 배포하고, 세션 캐싱을 위해 Redis를 사용하며, 장기 메트릭 스토리지를 위해 Grafana Mimir를 고려하라.

Q6: 다른 도구에서 대시보드를 가져올 수 있나?

예. Grafana는 커뮤니티 컨버터를 통해 Datadog, Kibana 및 기타 도구에서 가져오기를 지원한다. 네이티브 JSON 대시보드 형식은 잘 문서화되어 있으며, Grafana 대시보드 라이브러리에는 ID로 가져올 수 있는 5,000개 이상의 커뮤니티 기여 대시보드가 포함되어 있다.

Q7: Grafana는 실시간 대시보드를 지원하나?

예, Grafana Live(WebSocket 기반 스트리밍)와 새로운 Scenes 프레임워크를 통해 가능하다. 새로 고침 간격을 5초까지 낮출 수 있어 거의 실시간 모니터링이 가능하다. 진정한 실시간의 경우 스트리밍 데이터 소스를 사용하라.

결론 #

Grafana는 구체적인 문제를 해결함으로써 73,876개의 GitHub Star를 획득했다 —— 분리된 출처의 관측 가능성 데이터를 팀이 실제로 사용하고 싶어하는 대시보드로 통합하는 것이다. 이 가이드에서 다룬 Docker 기반 배포를 통해 30분 이내에 프로덕션급 모니터링 스택을 실행할 수 있다. 운영 전문 지식에 투자할 의지가 있는 팀에게 SaaS 대안에 비한 비용 절감은 상당하다.

다음 단계:

Grafana GitHub 저장소를 복제하고 코드베이스를 탐색하라
본 가이드의 Docker Compose 스택을 인프라에 배포하라
대시보드 ID 1860(Node Exporter Full)을 가져와 즉각적인 시스템 가시성을 확보하라
지원을 위해 Grafana 커뮤니티 포럼에 가입하라
매주 개발 도구 심층 분석을 위해 dibi8 Telegram 그룹을 팔로우하라

본 문서에는 제휴 링크가 포함되어 있다. DigitalOcean이나 HTStack을 통해 당사의 링크를 사용하여 호스팅을 구매하면 추가 비용 없이 커미션을 받는다. 이는 오픈소스 도구 리뷰에 자금을 지원하는 데 도움이 된다.

Grafana: 73,876 GitHub Stars — Docker 배포 가이드 2026

Grafana란 무엇인가? #

Grafana의 작동 방식 #

설치 및 설정 #

Docker CLI — 단일 컨테이너 (30초) #

Docker Compose — 프로덕션 준비 스택 #

데이터 소스 자동 프로비저닝 #

Prometheus, Loki, InfluxDB 및 Elasticsearch와의 통합 #

Prometheus — 메트릭 대시보드 #

Loki — 로그 집계 #

InfluxDB — 시계열 데이터 #

Elasticsearch — 로그 검색 #

벤치마크 / 실제 사용 사례 #

고급 사용법 / 프로덕션 강화 #

SSL/TLS 종료 및 리버스 프록시 #

고가용성 설정 #

코드로서의 알림 구성 #

Git에서 대시보드 프로비저닝 #

보안 체크리스트 #

대안과의 비교 #

한계 / 솔직한 평가 #

자주 묻는 질문 #

결론 #

추천 호스팅 및 인프라 #

참고 자료 및 추가 읽기 #

💬 댓글 토론

Grafana란 무엇인가? #

Grafana의 작동 방식 #

설치 및 설정 #

Docker CLI — 단일 컨테이너 (30초) #

Docker Compose — 프로덕션 준비 스택 #

데이터 소스 자동 프로비저닝 #

Prometheus, Loki, InfluxDB 및 Elasticsearch와의 통합 #

Prometheus — 메트릭 대시보드 #

Loki — 로그 집계 #

InfluxDB — 시계열 데이터 #

Elasticsearch — 로그 검색 #

벤치마크 / 실제 사용 사례 #

고급 사용법 / 프로덕션 강화 #

SSL/TLS 종료 및 리버스 프록시 #

고가용성 설정 #

코드로서의 알림 구성 #

Git에서 대시보드 프로비저닝 #

보안 체크리스트 #

대안과의 비교 #

한계 / 솔직한 평가 #

자주 묻는 질문 #

결론 #

추천 호스팅 및 인프라 #

참고 자료 및 추가 읽기 #

🔗 관련 리소스

💬 댓글 토론