Grafana Einführung

Grafana zeigt deinen Systemen beim Arbeiten zu. CPU-Auslastung, Fehlerquoten, Model-Performance—alles in einem Dashboard. Du fragst deine Daten, Grafana beantwortet sie visuell.

Installation

Docker (empfohlen)

version: '3.8'

services:
  grafana:
    image: grafana/grafana:latest
    container_name: grafana
    ports:
      - "3000:3000"
    environment:
      - GF_SECURITY_ADMIN_USER=admin
      - GF_SECURITY_ADMIN_PASSWORD=grafana-password
      - GF_INSTALL_PLUGINS=grafana-clock-panel,grafana-piechart-panel
    volumes:
      - grafana_data:/var/lib/grafana
      - ./provisioning:/etc/grafana/provisioning
    restart: unless-stopped

volumes:
  grafana_data:

Starten:

docker compose up -d grafana

Öffne http://localhost:3000 Login: admin / grafana-password

Lokale Installation (Linux)

# Ubuntu/Debian
sudo apt-get install -y adduser libfontconfig1 musl
wget https://dl.grafana.com/oss/release/grafana_10.2.0_amd64.deb
sudo dpkg -i grafana_10.2.0_amd64.deb

sudo systemctl start grafana-server
sudo systemctl enable grafana-server

http://localhost:3000

Datasources verbinden

Eine Datasource ist deine Datenquelle (Prometheus, InfluxDB, PostgreSQL, etc.).

Prometheus (metrische Daten)

Prometheus sammelt Metriken von Servern, Docker Containern, Anwendungen.

Setup:

Administration → Datasources → Add data source
Prometheus wählen
URL: http://prometheus:9090 (oder http://dein-server:9090)
Save & Test

Was Prometheus liefert:

cpu_usage{instance="server1"} = 45.3
memory_used{instance="server1"} = 8.2GB
docker_container_cpu_usage{container_name="ollama"} = 60.5

Loki (Logs)

Loki speichert und durchsucht Logs.

Setup:

Datasources → Add → Loki
URL: http://loki:3100
Save & Test

Query Beispiel:

{job="ollama"} | json | level="error"

Zeigt alle Error-Logs aus Ollama.

PostgreSQL (Relationale Daten)

Für Queries auf deiner Datenbank.

Setup:

Datasources → Add → PostgreSQL
Host: postgres:5432
Database: mydb
User/Password: deiner DB
Save & Test

Query Beispiel:

SELECT created_at, count(*) FROM events GROUP BY created_at;

InfluxDB (Zeitreihen)

Alternative zu Prometheus für detaillierte Metriken.

Setup:

Datasources → Add → InfluxDB
URL: http://influxdb:8086
Database: dein-db
Save & Test

Dashboards erstellen

Ein Dashboard ist eine Sammlung von Panels (Visualisierungen).

Neues Dashboard

Home → Create → New Dashboard
Panel hinzufügen: + Add Panel
Query schreiben (hängt vom Datasource ab)
Visualization wählen
Title + Description
Save

Panel Types

Time Series (Zeitreihe) Daten über Zeit zeigen (CPU, Memory, Requests/sec).

Datasource:  Prometheus
Query:       cpu_usage{instance="server1"}
Visualization: Time Series
Y-Axis:      CPU %

Stat Eine einzige Zahl prominent anzeigen (jetzt 95% CPU).

Datasource:  Prometheus
Query:       cpu_usage{instance="server1"}
Visualization: Stat
Thresholds:  0 (green), 70 (yellow), 90 (red)

Table Tabellarische Daten (alle Error-Logs der letzten Stunde).

Datasource:  Loki oder PostgreSQL
Query:       SELECT timestamp, message FROM errors WHERE timestamp > now() - interval '1 hour'
Visualization: Table

Gauge Anzeiger wie ein Dashboard-Messgerät (0-100%).

Datasource:  Prometheus
Query:       memory_used / memory_total * 100
Visualization: Gauge
Min: 0, Max: 100

Logs Raw Logs durchsuchen und filtern.

Datasource:  Loki
Query:       {job="n8n"} | json
Visualization: Logs

Prometheus Query Examples

Metriken sind Zeitreihen mit Labels.

# Aktuelle Wert
cpu_usage

# Mit Filter
cpu_usage{instance="server1"}
cpu_usage{instance=~"server.*"}  # Regex

# Funktionen
rate(http_requests[5m])          # Requests pro Sekunde in letzten 5min
increase(errors[1h])             # Gesamtsteigerung Fehler in letzter Stunde
topk(5, memory_used)             # Top 5 Memory-Consumer

# Berechnungen
(used_memory / total_memory) * 100  # Prozent

Prometheus Query Builder hat Auto-Complete—klick auf "Metrics" oben.

Variablen und Templating

Variablen machen Dashboards interaktiv. Statt einen Wert hardcoden, wählt der User den Wert.

Dashboard-Variable erstellen

Dashboard öffnen → Settings (oben rechts)
Variables → New Variable
Name: instance
Datasource: Prometheus
Query: label_values(cpu_usage, instance) (alle unterschiedlichen "instance" Werte)
Save

Variable in Panel nutzen

Query im Panel:

cpu_usage{instance="$instance"}

Panel rendert sich neu wenn Variable sich ändert.

Häufige Variablen

# Dropdown mit verfügbaren Services
label_values(http_requests, job)

# Datum-Bereich (Standard-Variable)
$__from, $__to  # Wird von Dashboard-Zeitauswahl gesetzt

# Regex-Variablen
{instance=~"$instance"}  # User wählt mehrere Items

Alerting

Benachrichtigungen wenn etwas schief läuft.

Alert Rule erstellen

Alerts → Alert Rules → Create alert rule
Query: cpu_usage > 90
Condition: "IS ABOVE 90"
Evaluation interval: 1m (jede Minute prüfen)
For: 5m (mindestens 5min über Schwellenwert = Alert)
Labels: severity: critical
Annotation: {{ instance }} CPU über 90%!

Benachrichtigungen

Alerts können an verschiedene Kanäle gehen:

Slack:

Administration → Notifications → New contact point
Type: Slack
Webhook URL von Slack Integration
Save

E-Mail:

Administration → Notifications → New contact point
Type: Email
E-Mail-Adresse eingeben
Save

PagerDuty/Telegram/Discord: Gleiches Prinzip

Notification Policy

Welche Alerts gehen an welche Kontakt-Punkte?

Alerts → Notification policies
Define root policy
Match Labels: severity=critical → send to Slack
Match Labels: severity=warning → send to Email

Dashboard Provisioning

Dashboards als Code in Git speichern. Beim Container-Start werden sie automatisch importiert.

Provisioning File (Dashboard als JSON)

Bestehendes Dashboard exportieren:
- Dashboard öffnen → Share (oben rechts) → Export
- "Save to file" klicken
JSON-Datei in ./provisioning/dashboards/ speichern:

provisioning/
  └── dashboards/
      ├── ai-monitoring.json
      └── system-health.json

Docker Compose Mount:

volumes:
  - ./provisioning:/etc/grafana/provisioning

Provisioning Config (./provisioning/dashboards/dashboards.yml):

apiVersion: 1

providers:
  - name: 'Default'
    orgId: 1
    folder: ''
    type: file
    disableDeletion: false
    editable: true
    options:
      path: /etc/grafana/provisioning/dashboards

Container restart:

docker compose restart grafana

Dashboards sind jetzt automatisch geladen.

Performance-Tipps

Große Dashboards optimieren

Ein Dashboard mit 50 Panels kann langsam werden.

Lösungen:

Panels in mehrere Dashboards aufteilen
Refresh-Interval erhöhen (nicht jede Sekunde aktualisieren)
- Panel Settings → Refresh interval: 30s statt 10s
Query-Range kürzen (z.B. nur letzte 24h statt 30 Tage)
- Query: rate(http_requests[5m]) statt rate(...[30d])

Häufige Query-Fehler

"No data" Meldung:

Datasource läuft nicht?
Query-Syntaxfehler?
Daten existieren nicht in diesem Zeitraum?

Test: Datasources → Test Data Source → "Save & Test" Button

Falsche Metrik-Namen: Prometheus: Metrics Liste anschauen

URL: http://prometheus:9090/api/v1/label/__name__/values
Oder in Grafana Panel: "Metrics" button klicken

Zu viele Daten = slow query Time-range kürzen oder rate() / increase() nutzen (komprimiert Daten).

Best Practices

Dashboard pro Service: Ollama-Dashboard, n8n-Dashboard, System-Dashboard
Aussagekräftige Titel: "CPU Usage" statt "cpu"
Schwellenwerte setzen: Panels mit Alerts verbinden
Sharing: Dashboard → Share → Public URL (mit Read-Only)

Backup: Regelmäßig Dashboards exportieren

curl http://localhost:3000/api/dashboards/db/<name> -H "Authorization: Bearer <api-key>"

Grafana Einführung

Installation

Docker (empfohlen)

Lokale Installation (Linux)

Datasources verbinden

Prometheus (metrische Daten)

Loki (Logs)

PostgreSQL (Relationale Daten)

InfluxDB (Zeitreihen)

Dashboards erstellen

Neues Dashboard

Panel Types

Prometheus Query Examples

Variablen und Templating

Dashboard-Variable erstellen

Variable in Panel nutzen

Häufige Variablen

Alerting

Alert Rule erstellen

Benachrichtigungen

Notification Policy

Dashboard Provisioning

Provisioning File (Dashboard als JSON)

Performance-Tipps

Große Dashboards optimieren

Häufige Query-Fehler

Best Practices

Checkliste

Quellen und Links

Weiter im Lernpfad