24H玩转 Grafana 被工程师称相当专业，如何做到？

国庆假期发生了两件小事，其一是我默默度过 35 周岁生日，其二是玩了下grafana `并在节后第一天被工程师 m 称赞：相当专业。

1、我为什么要玩 grafana 呢？

数月前我提交了一份数据后台需求给工程师 m，他选用和部署了 grafana 这个第三方开源的工具，仅用两三天就完成了这份需求。这效率相当快，令我对 m 和 grafana 印象深刻。但我仍不满足，m提交的成品所有数据都图形化的而我更想要表格样式的数据。为了进一步整合其它数据进行统计分析，我还需手动导出数据，并写了复杂的 python 脚本用 pandas 做统计分析，每周至少运行一次。我常常冒出新的数据需求，它们并不大，但走一遍需求评审、排期开发验收的流程，似乎还挺麻烦的。

这些都还只算铺垫，真正的导火索是国庆假期前的 sprint 总结会上提及我们几个产品的数据将整合到 grafana 统一实现。 cto 曾对我提及如果我懂些 sql 语句，可以自己写。——哈？我懂点 sql 语句的吖，这不刚整理了一份笔记嘛。我处于 “sql 不过如此，放马过来啊”的大无畏状态-_-||

国庆假期来了，那就玩玩儿看呗。

2、短时间如何上手 grafana ？

m之前为了开发我的需求，已经完成了 grafana 的部署，并设置好了数据源。这次他专门创建了一个练习用的 dashboard 并开通编辑权限给我。特别说明，我的编辑权限仅有数据源的查询权，没有增删改的权限，这对数据源是安全的。另外，m 已有的实现也让初次上手的我可以照葫芦画瓢。这些是我比完全零准备的 grafana 新手占便宜的地方。

我并不想把 m 已经开发的需求重新实现一遍，我想要实现自己的数据需求。——想要什么数据，以什么样式呈现，我脑子里的需求俯拾即是。

学习过程具体分为三个部分：

• a：熟悉和了解 grafana 在 dashboard 上如何添加、编辑图表等模块，就是了解这个工具如何使用。
• b：熟悉和了解 数据源（我们产品的数据库），有哪些表，有哪些字段之类。
• c：实现数据需求的 sql 语句该如何写。

a 部分，搜了两篇 grafana 如何使用之类的文章，大概浏览下即可。总是照着别人整理的步骤图按部就班，学习体验不好。大部分时候，我都是直接鼓捣。这种开源的可视化的工具，自己尝试一下就能快速熟悉起来。

b 部分，当个伸手党，让工程师帮忙把所有表格 describe 导出也 ok 的；m给我的是一份表格的类定义文件。通过 a 部分的探索，我很快发现，在 dashboard 上创建一个模块，如果选择折线图类型，sql 语句编辑区可以任人挑选表格名称，这样有哪些数据表格就清楚了；如果选择表格类型，并使用select * from table_name limit 50 ，就能呈现该表的部分数据，这样该表格有哪些字段也就清楚了。

c 部分，我把 m 之前实现的 sql 语句单独拷贝到 jupyter notebook 里，自己拆解为更基础的知识点，然后一点点熟悉了解。一个小技巧是，对于新手来说 sql 语句的易读相当重要，能直接降低复杂度。所以我采用 markdown 语法如下，语法呈现就很清晰了：

以上三个部分无需按顺序进行。自己对哪个模块更感兴趣，就先开始哪个；过程中也可交叉轮换进行。接下来就是通过实现自己的数据需求，反复重复巩固并深入 以上 3 个部分，直至产生令自己满意的产出。为此投入的时间开销24~48h 足够啦，完全不耽误假期陪家人、睡懒觉、看电影。

3、对职场分工保持清醒

最后需要强调一下，我很清楚自己并不想要取代工程师完成数据后台的开发。比如：
1、一些复杂需求，我自己写sql，很难，学起来也慢。这些我会陆续收集罗列出来，走排期，请工程师帮忙，不会自己硬钻进去。
2、即便最终我完成了非常多的图表，但实际上我只考虑实现，不考虑性能（也暂无能力考虑），所以即便是我写出来的功能，也需要工程师把关和优化。

即便如此，我直接接触数据源并动手用 grafana 实现，也有很显著的好处：
1、我更清楚原始数据已采集了哪些，哪些指标是我可以定义和统计的，哪些是需要工程师进一步支持的。
2、一些相对简单的、对业务有帮助的数据监控/统计，我能直接实现。无需 整理描述需求-和工程师沟通-工程师理解后实现-我再验收这样复杂的过程。
3、作为需求的发起者，我那些不成熟的需求，自己动手过程中迭代起来也会非常效率。

当然这些想法是需要和工程师、上级沟通清楚的，这样才不至于产生误解吖。如果我的笔记对你有帮助，那就点赞或留言告诉我吧！