Byted Sol Stability Grafana Dashboard Review

Grafana 监控大盘设计评审 Skill

适用场景

当用户提供一个 Grafana 大盘的链接、截图、JSON 配置或设计稿，要求"评审 / 评价 / 打分 / 检查 / 提改进意见"时使用本技能。

输入可以是以下任一形式：

• Grafana 大盘 URL
• 大盘 JSON（导出文件）
• 截图（已上传或可访问）
• 文字描述的大盘结构

评审流程

按以下顺序执行：

1. 采集大盘信息：优先调用 grafana-analyzer 技能拉取面板列表与截图；若仅有 URL，至少获取 dashboard_uid、panel 列表、变量列表。 2. 分类映射：把每个面板归类为 Health Metric 或 Diagnostic Metric，找不到归类则标记为 Unclassified。 3. 逐项检查：依据下文 §1 基础检查清单 + §2 进阶检查清单逐项判定 PASS / WARN / FAIL，并给出证据（panel 名 / 截图位置）。 4. 模式比对：对照 §5 Good/Bad Case 模式库，识别常见反模式并标注。 5. 量化打分：按 §3A 7 维度 24 细项给每项 0% / 50% / 100%，计算配置维度总分（满分 100）。如存在事故案例，再按 §3B 给事故视角分（满分 10）。 6. 输出报告：按 §4 报告模板输出 Markdown，必须包含细项打分明细、问题清单、改进路线图。

---

§1 基础检查清单（必查项，对应文档 1.1）

§2 进阶检查清单（加分项，对应文档 1.2）

---

§3 大盘有效性评分模型

本节包含两套互补评分：§3A 配置维度量化评分（满分 100） 用于离线设计评审；§3B 事故视角评分（满分 10） 用于事后复盘。最终在报告中同时给出。

§3A 配置维度量化评分（满分 100）

本评分模型以"VCI 全局观测大盘 Good Case"为参考蓝本，覆盖 7 大维度 24 个细项；每个细项根据"完全满足 / 部分满足 / 未满足"分别给 100% / 50% / 0% 得分。

得分计算：总分 = Σ(每细项实得 × 权重占比)，向上按维度汇总。

等级：

• A 90+：可作为产品线样板（VCI Good Case 级）
• B 75–89：合格的产品大盘，少量改进项
• C 60–74：基本可用但缺关键能力
• D < 60：不合格，需重建

示例（VCI 全局观测大盘自评，参考 Good Case 文档）：

§3B 事故视角评分（满分 10，对应原文档 §3.1）

当用户未提供事故案例时，使用大盘当前配置回答"如果发生 RTO 场景事故，能否得分"作为代理打分，并在报告中标注 （基于配置推断）。

事故视角等级：A ≥ 8 优秀 ｜ 6 ≤ B < 8 良好 ｜ 4 ≤ C < 6 待改进 ｜ D < 4 不合格

---

§4 输出报告模板

````markdown

Grafana 大盘评审报告：<大盘名称>

• 链接：<URL>
• 评审时间：<YYYY-MM-DD>
• 配置维度评分（§3A）：<x>/100 等级：<A/B/C/D>
• 事故视角评分（§3B）：<y>/10 等级：<A/B/C/D>

一、整体结论

<2–3 句话给出核心判断，明确指出最大短板维度>

二、§3A 配置维度量化打分

三、细项判定明细（24 项，仅列出非满分项）

四、§1 基础检查 / §2 进阶检查（可选辅以定性结论）

五、§3B 事故视角评分（如有事故案例）

六、问题清单（按风险排序）

1. [High] <问题，关联细项 ID + 命中反模式 BPx> —— 影响：<…> 建议：<…> 2. [Med] … 3. [Low] …

七、改进路线图（按优先级）

• P0（≤ 2 周）：<动作> —— 预计提分 +x
• P1（≤ 1 月）：<动作> —— 预计提分 +x
• P2（季度内）：<动作> —— 预计提分 +x

````

---

工具协作

• 拉取面板/截图：调用 grafana-analyzer 技能（action=list_panels / export_only）。
• 阅读大盘 JSON：用 Read 工具读取本地导出的 JSON。
• 涉及告警规则查询时：可结合 Grafana API 或让用户粘贴告警配置。

输出原则

• 每条 FAIL/WARN 必须给出具体面板或区域的证据，避免笼统结论。
• 每条建议必须可执行，能落到"加面板 / 改阈值 / 加变量 / 加告警"等具体动作。
• 不臆造数据；信息缺失时在报告中明确标注"信息不足"，不直接给 PASS。

---

§5 重点产品线 Good/Bad Case 模式库

来源：《重点产品线监控大盘及告警配置梳理》第 3 章产品线大盘梳理。评审时如发现待评大盘命中下列模式，直接引用对应"反模式编号"或"样板编号"，提升评审说服力与一致性。

5.1 样板间（Good Cases，可作为参考蓝本）

5.2 反模式（Bad Cases，命中即标注扣分）

5.3 评审建议引用方式

在输出报告 §五（问题清单） / §六（改进建议） 中，建议显式引用：

• 命中反模式时：命中反模式 BP3：事故预设未被大盘覆盖（参考 Kafka 案例）
• 给改进建议时：参考样板 G2（VPC 管控面）的 Health/Diag 视觉分区方式
• 当产品线本身事故预设缺失时，先建议补全事故预设，再要求大盘覆盖（顺序不可颠倒）。

5.4 高频改进动作清单（可直接复制到报告）

按命中反模式自动推荐对应动作：

• BP1 → 在大盘顶部新增独立 Row「健康指标」，使用 Stat/Gauge 面板，红色阈值；其余指标下沉到「诊断指标」Row。
• BP2/BP3 → 同步产品线 RTO/事故预设清单，逐条核对大盘覆盖；事故预设缺失时同步补录至统一的故障等级定义文档。
• BP4 → 增加 account_id 模板变量；为 SVIP 客户复制一份专属大盘并预填 account_id。
• BP5 → 治理无数据面板：删除/修复数据源；为关键 Health 趋势配置 no data 告警。
• BP6 → 新增控制面 OpenAPI VALET（QPS、成功率、P99）面板，引用网关日志或 Action 维度指标。
• BP7 → 列出强/弱依赖清单（DB、Cache、MQ、ETCD、专线、光模块），逐个补诊断面板。
• BP8 → 按"业务→服务→依赖→资源"自顶向下重排 Row 顺序，并把 Row 标题改为有层次的树状（参考 VPC 大盘）。
• BP9 → 增加 region / AZ / cluster 维度变量并改写查询。
• BP10 → 拆分大盘：将不常用的细粒度面板移到独立子大盘并以链接方式跳转。