lang: zh slug: grafana title: ‘Grafana：74,380 个 GitHub Stars — Docker 部署指南 2026’ description: ‘Grafana 是用于监控的开源可视化和分析平台。涵盖 Prometheus、Loki、InfluxDB、Elasticsearch 集成。包括 Docker 设置、生产强化以及与 Datadog、Kibana、New Relic 的比较。’ tags: [“automation”, “ci-cd”, “container”, “devops”, “docker”, “github”, “guide”, “open-source”, “reference”, “tutorial”] date: 2026-05-19 00:00:00+08:00 lastmod: 2026-05-19 00:00:00+08:00 tech_stack: [] application_domain: Dev Utils source_version: ’' licensing_model: Open Source license_type: AGPL-3.0 file_size: ’' file_md5: ’' download_url: ’' backup_url: ’' github_repo: ‘https://github.com/grafana/grafana' last_maintained: ‘2026-05-19’ draft: false categories: [‘dev-utils’] aliases:- /帖子/grafana/ 常见问题解答：

q: ‘Grafana 本身存储指标和日志吗？’ featureImage: /images/articles/grafana74380-github-stars-docker-2026.png ’ ‘不。 Grafana 是一个无状态可视化层，不存储指标或日志。它通过原生 API 查询 Prometheus、Loki 或 InfluxDB 等外部数据源，并将结果呈现到面板、仪表板和警报中。
q: ‘如何使用 Docker 运行 Grafana？’ a: ‘使用 docker volume create grafana-storage 创建一个持久卷，然后运行 docker run -d -p 3000:3000 --name=grafana --volume grafana-storage:/var/lib/grafana grafana/grafana-enterprise。打开 http://localhost:3000 并使用默认凭据 admin/admin 登录，首次登录时必须更改该凭据。
问：“如何设置 Grafana 来实现高可用性？” a：“Grafana 通过在共享公共 PostgreSQL 或 MySQL 数据库的负载均衡器后面运行多个实例来进行水平扩展。对于 500 多个用户，可以使用官方 Helm 图表在 Kubernetes 上部署，使用 Redis 进行会话缓存，并考虑使用 Grafana Mimir 进行长期指标存储。
问：“Grafana OSS 和 Grafana Enterprise 之间有什么区别？” a：“核心仪表板和可视化功能是相同的。 Grafana Enterprise 添加了企业数据源插件（例如 Snowflake、SAP HANA 和 ServiceNow）、具有细粒度访问控制、报告和高级支持的高级 RBAC。开源版本是 AGPL-3.0，可免费用于商业用途。
q: ‘如何自动配置 Grafana 数据源而不是将它们添加到 UI 中？’ a：通过创建 YAML 文件（例如 grafana/provisioning/datasources/datasources.yml）来“使用 Grafana”的配置系统，该文件定义每个数据源及其类型、访问模式和 URL，然后将配置目录挂载到容器中。重新启动 Grafana 后，数据源似乎已预先配置。 featureImage：/images/articles/grafana-74-380-github-stars-docker-deployment-guide.png——{{< 资源信息 >}} Puppeteer：94,300 GitHub Stars • LazyDocker：51,092 GitHub Stars每个生产事件都始于一个问题：“发生了什么变化？” 如果没有集中的指标、日志和跟踪视图，这个问题需要几分钟（有时甚至几个小时）才能回答。 Grafana 是一个拥有 74,380 个 GitHub star 的开源可视化平台，它将这个问题变成了一个一目了然的仪表板。本指南介绍了生产级 Docker 部署、数据源集成以及将概念验证与生产就绪监控堆栈分开的强化决策。## Grafana 是什么？Grafana 是一个用于监控和观察的开源平台，可在统一、可共享的仪表板中可视化来自 100 多个来源（时间序列数据库、日志聚合器、跟踪后端和云 API）的数据。 Grafana 最初由 Torkel Ödegaard 于 2014 年推出，作为 Graphite 的前端，现已发展成为 LGTM 堆栈（Loki、Grafana、Tempo、Mimir）和更广泛的云原生可观测性生态系统的首选可视化层。## Grafana 的工作原理Grafana 作为数据源和运营团队之间的无状态可视化层运行。它本身不存储指标或日志；相反，它通过本机 API 查询外部数据源，并将结果呈现到面板、仪表板和警报中。

核心架构组件：- 数据源 — Prometheus、Loki、InfluxDB、Elasticsearch、CloudWatch、Azure Monitor 和 100 多个其他插件的本机插件
查询引擎 — 每个面板都以其数据源的本机语言执行查询（PromQL、LogQL、InfluxQL、Lucene）
警报引擎 — 根据查询结果评估警报规则并将通知路由到 Slack、PagerDuty、电子邮件、webhooks
仪表板模型 — 基于 JSON 的仪表板定义，可以进行版本控制、从 Git 进行配置或从社区库导入
身份验证层 — 支持多租户部署的 OAuth、LDAP、SAML 和 API 密钥访问典型的数据流如下所示：Prometheus 从应用程序和 Node Exporter 中抓取指标，Loki 聚合来自 Promtail 或 Fluentd 的日志，Grafana 查询两者都可以呈现相关的仪表板，其中 CPU 峰值（指标）和错误峰值（日志）并排出现。

典型的生产 Grafana 仪表板结合了多种面板类型 - CPU/内存的时间序列图、当前值的统计面板、实时错误的日志流以及事件关联的警报注释 - 所有这些都在单个视图中查询不同的数据源。## 安装和设置### Docker CLI — 单个容器（30 秒）让 Grafana 运行进行本地探索的最快方法：```` bas h

Create a persistent volume for Grafana data #

docker volume create grafana-storage

Run the latest stable Grafana Enterprise image #

docker 运行 -d
-p 3000:3000
–name=grafana
–volume grafana-storage:/var/lib/grafana
grafana/grafana-enterprise 导航到“http://localhost:3000”。默认凭据是“admin”/“admin”。首次登录时系统会提示您更改密码。### Docker Compose — 生产就绪堆栈对于生产级监控堆栈，请将 Grafana 与 Prometheus 和 Loki 结合起来。创建以下目录结构： bas h mkdir -p ~/grafana-stack/{prometheus,loki,grafana/provisioning/datasources,grafana/provisioning/dashboards,grafana/dashboards} cd ~/grafana-stack **docker-compose.yml：** yam l 版本：“3.8”服务：格拉法纳：图片：grafana/grafana-enterpri``` bas h mkdir -p ~/grafana-stack/{prometheus,loki,grafana/provisioning/datasources,grafana/provisioning/dashboards,grafana/dashboards} cd ~/grafana-stack

MIN
_USER:-admin}
- GF_SECURITY_ADMIN_PASSWORD=${GRAFANA_ADMIN_PASSWORD:-admin}
- GF_USERS_ALLOW_SIGN_UP=false
- GF_SERVER_ROOT_URL=https://grafana.yourdomain.c```
yam
l
版本：“3.8”

服务：
格拉法纳：
图片：grafana/grafana-enterprise:11.6.0
容器名称：grafana
重新启动：除非停止
端口：
- “3000:3000”
环境：
- 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
卷：
-grafana-数据：/var/lib/grafana
- ./grafana/provisioning:/etc/grafana/provisioning
- ./grafana/dashboards:/var/lib/grafana/dashboards
网络：
- 监控
取决于：
- 普罗米修斯
- 洛基

普罗米修斯：
图片：舞会/普罗米修斯：v3.2.0
容器名称：普罗米修斯
重新启动：除非停止
端口：
- “9090:9090”
卷：
- ./prometheus/prometheus.yml:/etc/prometheus/prometheus.yml
- 普罗米修斯数据：/普罗米修斯
命令：
- '--config.file=/etc/prometheus/prometheus.yml'
- '--storage.tsdb.path=/prometheus'
- '--storage.tsdb.retention.time=30d'
- '--web.enable-lifecycle'
网络：
- 监控

洛基：
图片：grafana/loki:3.4.0
容器名称：loki
重新启动：除非停止
端口：
- “3100:3100”
卷：
- ./loki/loki-config.yml:/etc/loki/local-config.yaml
- 洛基数据：/洛基
命令：-config.file=/etc/loki/local-config.yaml
网络：
- 监控

促销尾部：
图片：grafana/promtail:3.4.0
容器名称：promtail
重新启动：除非停止
卷：
- /var/log:/var/log:ro
- ./loki/promtail-config.yml:/etc/promtail/config.yml
命令：-config.file=/etc/promtail/config.yml
网络：
- 监控

卷：
grafana-数据：
普罗米修斯数据：
洛基数据：

网络：
监控：
司机：桥
```_启用：假服务器：
http_监听端口：3100
grpc_listen_端口：9096摄取：
沃尔：
启用：真
目录：/loki/wal
生命周期者：
地址：127.0.0.1
戒指：
kvstore:
存储：内存中
复制因子：1
最终睡眠：0 秒
块空闲周期：5m
chunk_retain_period: 30s架构配置：
配置：
- 来自：2020-05-15
商店： tsdb
object_store：文件系统
架构：v13
索引：
前缀：index_
周期：24小时存储配置：
tsdb_shipper：
活动索引目录：/loki/index
缓存位置：/loki/缓存
文件系统：
目录：/loki/chunks压实机：
工作目录：/loki/compactor
保留启用：真
保留删除延迟：2小时限制配置：
保留期限：720小时
````**洛基/promtail-config.yml：**````
yam
l
服务器：
http_监听端口：9080
grpc_listen_端口：0职位：
filename: /tmp/positions.yaml客户：
- 网址：http://loki:3100/loki/api/v1/pushscrap_configs：
- job_name：系统日志
静态配置：
- 目标：
- 本地主机
标签：
工作：系统日志
__路径__：/var/log/*.log
````启动堆栈：````
bas
h
docker 组成-d
````通过“http://your-server-ip:3000”访问 Grafana。 Prometheus 在端口 9090 上可用，Loki 在端口 3100 上可用。### 自动配置数据源无需手动单击 UI 来添加数据源，而是使用 Grafana 的配置系统。 创建 `grafana/provisioning/datasources/datasources.yml`：````
yam
l
api版本：1数据源：
- 名称：普罗米修斯
类型： 普罗米修斯
访问：代理
网址：http://prometheus:9090
是默认值：true
可编辑：假- 姓名：洛基
类型：洛基
访问：代理
网址：http://loki:3100
可编辑：假- 名称：节奏
类型：节奏
访问：代理
网址：http://节奏:3200
可编辑：假
````重启Grafana，数据源就会出现```
yam
l
全球：
刮擦间隔：15s
评估间隔：15s

scrap_configs：
- 作业名称：'普罗米修斯'
静态配置：
- 目标：['localhost:9090']

- job_name: '节点导出器'
静态配置：
- 目标：['节点导出器：9100']

- 工作名称：'grafana'
静态配置：
- 目标：['grafana:3000']
```_seconds_total{mode="idle"}[5m])) * 100)# 内存使用情况
100 * (1 - ((node_memory_MemAvailable_bytes 或 node_memory_Buffers_bytes) / node_memory_MemTotal_bytes))# 磁盘使用情况
100 - ((node_filesystem_avail_bytes{mountpoint="/"} * 100) / node_filesystem_size_bytes{mountpoint="/"})
````从
Graf``yaml 导入官方 Node Exporter Full 仪表板（ID：`1860`）
auth_enabled：假

服务器：
http_监听端口：3100
grpc_listen_端口：9096

摄取：
沃尔：
启用：真
目录：/loki/wal
生命周期者：
地址：127.0.0.1
戒指：
kvstore:
存储：内存中
复制因子：1
最终睡眠：0 秒
块空闲周期：5m
chunk_retain_period: 30s

架构配置：
配置：
- 来自：2020-05-15
商店： tsdb
object_store：文件系统
架构：v13
索引：
前缀：index_
周期：24小时

存储配置：
tsdb_shipper：
活动索引目录：/loki/index
缓存位置：/loki/缓存
文件系统：
目录：/loki/chunks

压实机：
工作目录：/loki/compactor
保留启用：真
保留删除延迟：2小时

限制配置：
保留期限：720小时

k ，Grafana可以直接查询Elasticsearch索引：``` jso n { “query”: { “bool”: { “must”: [ { “match”: { “level”: “ERROR” } }, { “range”: { “@timestamp”: { “gte”: “now-1h” } } } ] } } }

|--------|-------------------------|---------------|
| Dashboard load time | 50-200ms | 30-100ms |
| Concurrent users | 50-100 | 500+ |
| Max data points per panel | 10,000-50,000 | 100,000+ |
| Alert rule evaluation | 1-10s | <5s |
| Memory usage | 256-512MB | 512MB-1GB per pod |**Netflix** 在数千个微服务中大规模运行 Grafana，使用自定义数据源插件来关联来自多个内部系统的指标。 **PayP``yaml
 服务器：
 http_监听端口：9080
 grpc_listen_端口：0

 职位：
 文件名：/tmp/positions.yaml

 客户：
 - 网址：http://loki:3100/loki/api/v1/push

 scrap_configs：
 - job_name：系统日志
 静态配置：
 - 目标：
 - 本地主机
 标签：
 工作：系统日志
 __路径__：/var/log/*.log
 ````成本：200-500 美元（计算 + 存储）
 - 等效 Datadog 成本：9,500+ 美元/月
 - 仪表板创建时间：30 分钟，而使用自定义 UI 则需要 2 小时以上
 - 平均检测时间 (MTTD)：采用 Grafana 后减少了 40-60%## 高级用法/生产强化### 使用反向代理终止 SSL/TLS切勿将 Grafana 直接暴露在互联网上。 使用 T```
bas
h
docker 组成-d
 ``xy:````
yam
l
# 添加 docker-compose.yml
 特拉菲克：
 图片：traefik：v3.3
 命令：
 - “--api.insecure=true”
 -“--providers.docker=true”
 -“--entrypoints.websecure.address=：443”
 -“--certificatesresolvers.letsencrypt.acme.tlschallenge=true”
 - “--certificatesresolvers.letsencrypt.acme.email=admin@yourd```
yam
l
api版本：1

 数据源：
 - 名称：普罗米修斯
 类型： 普罗米修斯
 访问：代理
 网址：http://prometheus:9090
 是默认值：true
 可编辑：假

 - 姓名：洛基
 类型：洛基
 访问：代理
 网址：http://loki:3100
 可编辑：假

 - 名称：节奏
 类型：节奏
 访问：代理
 网址：http://节奏:3200
 可编辑：假
 ``` 需要共享数据库（PostgreSQL 或 MySQL）
 # 以及负载均衡器后面的多个 Grafana 实例postgres：
 图片：postgres：17-alpine
 环境：
 POSTGRES_DB：grafana
 POSTGRES_USER：grafana
 POSTGRES_PASSWORD：${DB_PASSWORD}
 卷：
 - postgres-数据：/var/lib/postgresql/data格拉法纳-1：
 图片：grafana/grafana-enterprise:11.6.0
 环境：
 - GF_DATABASE_TYPE=po```
bas
h
docker compose 重启grafana
 ``432
 - GF_DATABASE_NAME=grafana
 - GF_DATABASE_USER=grafana
 - GF_DATABASE_PASSWORD=${DB_PASSWORD}
 - GF_REMOTE_CACHE_TYPE=redis
 - GF_REMOTE_CACHE_CONNSTR=redis:6379
 取决于：
 - postgres
 ````![Grafana ```
promq
l
# CPU使用率
 100 - (平均(实例) (irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)

 # 内存使用情况
 100 * (1 - ((node_memory_MemAvailable_bytes 或 node_memory_Buffers_bytes) / node_memory_MemTotal_bytes))

 # 磁盘使用情况
 100 - ((node_filesystem_avail_bytes{mountpoint="/"} * 100) / node_filesystem_size_bytes{mountpoint="/"})
 ``rt 在事件响应期间规则。### 警报配置作为代码通过配置定义警报规则：````
yam
l
# grafana/provisioning/alerting/alert-rules.yml
 api版本：1
 团体：
 - 组织ID：1
 名称：基础设施
 文件夹：基础设施
 间隔：60秒
 规则：
 - uid：CPU 使用率高
 标题：CPU使用率超过80%
 条件：B
 数据：
 - 参考编号：A
 相对时间范围：
 来自: 300
 至：0
 数据源Uid：普罗米修斯
 型号：
 expr: 100 - (avg by(instance) (irate(node_cpu_seconds_total{mode="idle"}[5m```
logq
l
# 统计每个应用程序的错误日志
 sum by(app) (rate({job="system-logs"} |= "ERROR" [5m]))

 # 搜索特定的错误模式
 {job="system-logs"} |~ "(?i)错误|异常|致命" | json | line_format "{{.message}}"
 ``` 在您的存储库中以 JSON 形式保存并自动配置它们：````
yam
l
# grafana/provisioning/dashboards/dashboards.yml
 api版本：1提供者：
 - 名称：'默认'
 组织ID：1
 文件夹：''
 类型：文件
 禁用删除： false
 可编辑：假
 更新间隔秒数：30
 选项：
 路径：/var/lib/grafana/dashboard```
sq
l
-- InfluxQL 示例：每个传感器的平均温度
 从“传感器”中选择平均值（“温度”），其中$ timeFilter GROUP BY“sensor_id”，时间（$__interval）填充（null）
 ``` 使用有效证书启用 HTTPS
 - 在团队环境中使用 OAuth 2.0 或 LDAP 进行身份验证
 - 限制数据源代理访问管理员角色
 - 启用审核日志记录：`GF_AUDIT_ENABLED=true`
 - 在容器中以非 root 用户身份运行 Grafana
 - 保持插件更新——易受攻击的插件是 c```
jso
n
{
 “查询”：{
 “布尔”：{
 “必须”：[
 {“匹配”：{“级别”：“错误”}}，
 { "range": { "@timestamp": { "gte": "now-1h" } } }
 ]
 }
 }
 }
 ````| 是（AGPL-3.0）| 没有 | 是（SSPL）| 没有 |
 | **自托管选项** | 是的，免费 | 没有 | 是的 | 没有 |
 | **数据来源** | 100+ 本土 | 750+ 集成 | 仅 Elasticsearch | 100+ |
 | **指标（时间序列）** | 优秀（普罗米修斯）| 优秀| 好 | 好 |
 | **日志分析** | 好（来自洛基）| 优秀| 优秀（Lucene）| 好 |
 | **APM / 分布式追踪** | 通过 Tempo/Jaeger 插件 | 优秀（内置）| 通过弹性 APM | 优秀|
 | **仪表板灵活性** | 优秀| 好 | 好 | 好 |
 | **警报** | 好 | 优秀| 基本 | 好 |
 | **设置复杂性** | 中等| 低| 中高| 低|
 | **成本（50 个主机/月）** | 0-500 美元自托管 | 9,500-20,000 美元 | 500-1,500 美元自托管 | 7,500-15,000 美元 |
 | **社区/生态系统** | 大规模（73K+ 星）| 大| 大号（弹性）| 中等|**何时选择什么：**- **Grafana** — 成本敏感的团队、Kubernetes 原生环境、多源可观测性需求、平台工程成熟度
 - **Datadog** — 优先考虑价值实现时间的企业团队、没有专门平台工程师的团队、合规性较强的行业
 - **Kibana** — 深度日志分析要求、SIEM 用例、现有 Elasticsearch 投资
 - **New Relic** — 全栈 APM，具有慷慨的免费套餐（100GB/月）、基于用户的定价模型## 局限性/诚实评估Grafana 并不是灵丹妙药。 在提交之前了解这些限制：1. **没有内置数据收集**——Grafana 可视化数据； 它 ``yaml
 # 添加 docker-compose.yml
 特拉菲克：
 图片：traefik：v3.3
 命令：
 - “--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”
 端口：
 - “443:443”
 卷：
 - /var/run/docker.sock:/var/run/docker.sock:ro
 - ./letsencrypt:/letscrypt
 网络：
 - 监控
 `` 质量和维护节奏。 被作者放弃的插件可能会阻止 Grafana 升级。5. **设置需要专业知识** — LGTM 堆栈需要了解 PromQL、LogQL、Alertmanager 路由和 Kubernetes（如果在集群中运行）。 这不是点击部署解决方案。## 常见问题**问题1：Grafana 完全免费用于商业用途吗？**是的。 开源的 Grafana (AGPL-3.0) 可免费用于商业用途。 Grafana Enterprise 添加了高级 RBAC、数据源权限和企业支持等功能（需付费）。 对于大多数团队来说，OSS 版本就足够了。**问题2：Grafana可以完全取代Datadog吗？**这取决于。 对于 m```
yam
l
# Grafana HA 需要共享数据库（PostgreSQL 或 MySQL）
 # 以及负载均衡器后面的多个 Grafana 实例

 postgres：
 图片：postgres：17-alpine
 环境：
 POSTGRES_DB：grafana
 POSTGRES_USER：grafana
 POSTGRES_PASSWORD：${DB_PASSWORD}
 卷：
 - postgres-数据：/var/lib/postgresql/data

 格拉法纳-1：
 图片：grafana/grafana-enterprise:11.6.0
 环境：
 - 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
 取决于：
 - postgres

Snowflake 、SAP HANA、ServiceNow），具有细粒度访问控制、报告和高级支持的高级 RBAC。核心仪表板和可视化功能是相同的。**问题 5：Grafana 如何针对大型组织进行扩展？**Grafana 通过使用共享 PostgreSQL 或 MySQL 数据库在负载均衡器后面运行多个实例来进行水平扩展。对于 500 多个用户，使用官方 Helm 图表部署在 Kubernetes 上，使用 Redis 进行会话缓存，并考虑使用 Grafana Mimir 进行长期指标存储。**问题6：我可以从其他工具导入仪表板吗？**是的。 Grafana 支持通过社区转换器从 Datadog、Kibana 和其他工具导入。原生 JSON 仪表板格式有详细记录，Grafana 仪表板库包含 5,000 多个社区贡献的仪表板，可按 ID 导入。**问题7：Grafana支持实时仪表板吗？**是的，使用 Grafana Live（基于 WebSocket 的流）和新的场景框架。刷新间隔可设置为低至 5 秒，以实现近乎实时的监控。为了真正实时，请使用流数据源。＃＃结论Grafana 通过解决一个具体问题——统一 obs``` yam l 赢得了 74,380 个 GitHub 星星

grafana/provisioning/alerting/alert-rules.yml #

api版本：1 团体：

组织ID：1 名称：基础设施文件夹：基础设施间隔：60秒规则：
uid：CPU 使用率高标题：CPU使用率超过80% 条件：B 数据：
参考编号：A 相对时间范围：来自: 300 至：0 数据源Uid：普罗米修斯型号： expr: 100 - (avg by(instance) (irate(node_cpu_seconds_total{mode=“idle”}[5m])) * 100) > 80 无数据状态：无数据 execErrState：错误用于：5m 注释：摘要：“{{ $labels.instance }} 上的 CPU 使用率很高”

[dibi8 Telegram 群组](https://t.me/dibi8hub) 进行每周开发工具深入研究*本文包含附属链接。 如果您使用我们的链接通过 DigitalOcean 或 HTStack 购买托管，我们将赚取佣金，您无需支付额外费用。 这有助于为我们的开源工具审查提供资金。*







## 推荐的托管和基础设施在将上述任何工具部署到生产环境之前，您需要坚实的基础设施。 dibi8实际使用和推荐的两个选项：- **{< aff "digitalocean" "footer-cta-legacy" "DigitalOcean" >}}** — 200 美元免费赠金，为期 60 天，覆盖全球 14 个以上区域。 运行开源人工智能工具的独立开发者的默认选项。 
- **{< aff "htstack" "footer-cta-legacy" "HTStack" >}}** — 从中国大陆低延迟访问的香港 VPS。 这是```
yam
l
# grafana/provisioning/dashboards/dashboards.yml
api版本：1

提供者：
- 名称：'默认'
组织ID：1
文件夹：''
类型：文件
禁用删除： false
可编辑：假
更新间隔秒数：30
选项：
路径：/var/lib/grafana/dashboards
foldersFromFilesStructure：true

onin g 指南](https://grafana.com/docs/grafana/latest/administration/provisioning/)

Run the latest stable Grafana Enterprise image #

grafana/provisioning/alerting/alert-rules.yml #

参考文献和来源- Grafana #

💬 留言讨论

Run the latest stable Grafana Enterprise image #

grafana/provisioning/alerting/alert-rules.yml #

参考文献和来源- Grafana #

🔗 相关资源推荐

💬 留言讨论