ダッシュボード

概要

この文書では、GrafanaでDOG Stackの可観測性データを使用する方法について説明します。

DOG StackはDorisを統一ストレージバックエンドとして使用しています。DorisはMySQLプロトコル互換であるため、Grafanaの単一のMySQLデータソースですべてのログ、トレース、メトリクスをクエリできます。データパスは以下の通りです：

Apps / Infrastructure  →  OpenTelemetry Collector  →  Doris Exporter  →  Doris  →  Grafana (MySQL DataSource)

このドキュメントは以下の内容について説明します：

プリビルトダッシュボードのインポート：弊社が提供する既成のダッシュボードを使用します。
データモデルの理解：OTelデータがDorisにどのように保存されるかについて。
カスタムダッシュボードの作成：パネル、クエリ、変数をゼロから構築します。
リファレンス：スキーマと構文のチートシート。

前提条件

開始する前に、以下を確認してください：

DOG Stackがデプロイされ、GrafanaとDorisの両方が動作している。
Dorisに接続するMySQLタイプのデータソースがGrafanaで設定されている（DOG Stackに同梱されているGrafanaには既に事前設定されたDorisデータソースがあります）。

まだデータソースを設定していない場合は、以下の手順に従ってください：

Grafanaの左側メニューで、Connections > Data sources > Add data sourceをクリックします。
MySQLを選択します。
接続情報を入力します：

- Host: <Doris-fe-host>:9030

- Database: otel

- User: root（または設定したユーザー）

- Password: 空欄のままにします（パスワードが設定されていない場合）
Save & testをクリックして接続が動作することを確認します。

Configure MySQL data source

プリビルトダッシュボードのインポート

一般的な可観測性シナリオをカバーする4つのプリビルトダッシュボードを提供しています：

ダッシュボード	ファイル	監視対象
Host Metrics	`host_metrics_dashboard.json`	CPU、メモリ、ディスク、ネットワーク、システム負荷
JVM Monitoring	`jvm_metrics_dashboard.json`	ヒープメモリ、GC、スレッド、CPU使用率
K8s Observability	`k8s_kubelet_dashboard.json`	Pod / Node / Namespaceリソース使用量
Nginx Logs	`nginx_logs_dashboard.json`	リクエスト、ステータスコード、上位URL、エラーログ
PostgreSQL Metrics	`postgresql-metrics-dashboard.json`	接続、トランザクション、DBサイズ、Checkpoint、BGWriter

プリビルトダッシュボードをインポートするには：

Grafanaの左側メニューで、Dashboards > New > Importをクリックします。
Upload dashboard JSON fileをクリックし、grafana-dashboard/配下のJSONファイルを選択します。
インポートページで、データソースを設定済みのDoris（MySQL）データソースに設定します。
Importをクリックします。
残りのJSONファイルについて上記の手順を繰り返します。

インポート後、ダッシュボードの上部にある変数セレクター（Service、Namespaceなど）は自動的にDorisから候補値をクエリします。

ダッシュボード別パネル詳細

Host Metricsダッシュボード

概要：CPU使用率、メモリ使用率、1分間負荷、ルートディスク使用率
CPU：使用率トレンド、モード別使用率
メモリ：メモリ詳細（Total / Available / Free / Cached / Buffers）、使用率トレンド
システム負荷：1 / 5 / 15分間負荷、オープンファイルディスクリプタ
ディスク：ディスク容量使用率テーブル、読み書きスループット
ネットワーク：受信/送信トラフィック、エラーとパケットドロップ

Host Metrics Dashboard

JVM Monitoringダッシュボード

概要：ヒープ使用率、Full GC回数、CPU使用率、スレッド数
メモリ：ヒープ/非ヒープトレンド、Old Gen / Eden / Survivorプールの詳細
GC：時間（Young / Old）と回数
スレッドとCPU：スレッド数トレンド、CPU使用率

JVM Monitoring Dashboard

K8s Observabilityダッシュボード

Pod：CPU（ミリコア）、メモリ、Limit使用率、ステータステーブル（再起動回数とアップタイム付き）
Node：CPU / メモリトレンド、ステータステーブル
Namespace：CPU / メモリ集計、ステータステーブル

K8s Observability Dashboard

Nginx Logsダッシュボード

概要：リクエスト、エラー、5xx / 4xx統計、ステータスコード円グラフ
トレンド：リクエスト量 / エラーログトレンド
分析：上位URL、上位IP、HTTPメソッド分布、上位エラーメッセージ
最新ログ：アクセス / エラーログ詳細

Nginx Logs Dashboard

PostgreSQL Metricsダッシュボード

接続：アクティブ接続（データベース別）、最大接続数
トランザクション：コミット率、ロールバック数
ストレージ：データベースサイズ（データベース別）、データベース数、テーブル数
BGWriter：チェックポイント数（スケジュール済み / リクエスト済み）、バッファ書き込み、BGWriter時間

PostgreSQL Metrics Dashboard

データモデルの理解

カスタムダッシュボードを作成する前に、OTelデータがDorisにどのように保存されているかを知る必要があります。

テーブル

Prometheusとは異なり、Dorisではメトリック名だけではクエリできません — どのテーブルをクエリするかも知る必要があります。OTelデータはシグナルタイプとメトリックタイプ別に複数のテーブルに保存されます：

テーブル	内容	値フィールド	クエリアプローチ
`otel_metrics_gauge`	瞬間メトリック	`value`	直接集計、例：`AVG(value)`
`otel_metrics_sum`	累積カウンター	`value`（単調増加）	`LAG()`でレートを計算
`otel_metrics_histogram`	ヒストグラム	`count`、`sum`、`bucket_counts`	`LAG()`でデルタを計算
`otel_logs`	ログ	`body`、`severity_text`	`COUNT`集計または詳細クエリ
`otel_traces`	トレース	`duration`、`span_name`	期間でソートまたは集計

特定のメトリックがどのテーブルに保存されているかを確認するには、以下を実行します：

SELECT 'gauge' AS type, metric_name FROM otel.otel_metrics_gauge WHERE metric_name = 'your_metric_name' LIMIT 1
UNION ALL
SELECT 'sum', metric_name FROM otel.otel_metrics_sum WHERE metric_name = 'your_metric_name' LIMIT 1
UNION ALL
SELECT 'histogram', metric_name FROM otel.otel_metrics_histogram WHERE metric_name = 'your_metric_name' LIMIT 1;

利用可能なすべてのメトリクスを参照するには、各テーブルで以下を実行してください：

SELECT DISTINCT metric_name FROM otel.otel_metrics_gauge ORDER BY metric_name;

Attribute フィールド

Prometheusでは、すべてのラベルは{key="value"}として統一的にアクセスされます。Dorisでは、attributesは複数のvariant（JSON）カラムに分散され、ブラケット構文でアクセスします：

Table	Field	Content	Example
metrics	`attributes`	メトリクスのディメンション（Prometheusラベル）	`attributes['mode']`
metrics	`resource_attributes`	リソース情報（K8s pod/nodeなど）	`resource_attributes['k8s.pod.name']`
logs	`log_attributes`	ログフィールド	`log_attributes['status']`
traces	`span_attributes`	Spanフィールド	`span_attributes['http.method']`

注意：service_nameとservice_instance_idはトップレベルカラムであり、attributesの一部ではありません。これらは直接使用してください。例：WHERE service_name = '...'。

SELECT、GROUP BY、PARTITION BY、またはLIKEを使用する際は、型変換のためにCASTを使用する必要があります：

-- Extract a value in SELECT
CAST(attributes['device'] AS VARCHAR) AS device

-- Pattern match in WHERE
CAST(attributes['device'] AS VARCHAR) NOT LIKE 'veth%'

-- Numeric comparison in WHERE
CAST(log_attributes['status'] AS INT) >= 500

-- Use in GROUP BY
GROUP BY CAST(resource_attributes['k8s.pod.name'] AS VARCHAR)

WHEREでの単純な等価比較では、通常CASTは不要です：

WHERE attributes['mode'] = 'idle'

注意：間違った属性フィールド名（例：metricsテーブルでlog_attributes）を使用してもエラーは発生せず、代わりにNULLが静かに返され、空のクエリ結果を引き起こします。

Counterメトリクスとレート計算

Gaugeメトリクスの場合、valueは現在の値を直接表し、AVGやMAXで集約できます。

Counter / Sumメトリクスの場合、valueは単調増加する累積値（総CPU秒数や総ネットワークバイト数など）です。レートを取得するには、隣接するデータポイント間のデルタが必要です。PrometheusのRate()は、DorisではLAG()ウィンドウ関数で実装されています。

以下は汎用的なレートテンプレートです：

SELECT
  t.timestamp AS time,
  t.<dimension_field> AS metric,
  CASE
    WHEN UNIX_TIMESTAMP(t.timestamp) > UNIX_TIMESTAMP(t.prev_ts)
         AND t.value >= t.prev_value
    THEN (t.value - t.prev_value) / (UNIX_TIMESTAMP(t.timestamp) - UNIX_TIMESTAMP(t.prev_ts))
    ELSE NULL
  END AS value
FROM (
  SELECT timestamp, value, <dimension_field>,
    LAG(value) OVER (PARTITION BY <dimension_field> ORDER BY timestamp) AS prev_value,
    LAG(timestamp) OVER (PARTITION BY <dimension_field> ORDER BY timestamp) AS prev_ts
  FROM otel.otel_metrics_sum
  WHERE metric_name = '<metric_name>'
    AND $__timeFilter(timestamp)
) t
WHERE t.prev_ts IS NOT NULL
ORDER BY time

このテンプレートを使用するには、以下のプレースホルダーを置き換えてください：

<dimension_field>: 系列を分割するフィールド、例：CAST(attributes['device'] AS VARCHAR)
<metric_name>: メトリック名、例：node_network_receive_bytes_total

このテンプレートには3層の安全性が含まれています：

条件	目的
`WHERE t.prev_ts IS NOT NULL`	各パーティションの最初の行をスキップ（`LAG`はNULLを返す）
`UNIX_TIMESTAMP(t.timestamp) > UNIX_TIMESTAMP(t.prev_ts)`	重複したタイムスタンプによるゼロ除算を防止
`t.value >= t.prev_value`	カウンターリセットによる負のデルタを防止

PARTITION BYの選択は、レートが正しいかどうかを直接決定します。間違った選択をすると、異なる次元のデータが混在する原因となります。事前構築されたダッシュボードで使用されている選択肢は以下の通りです：

シナリオ	PARTITION BY
CPU使用率（マルチコア集約）	`service_instance_id, CAST(attributes['cpu'] AS VARCHAR)`
Disk I/O	`CAST(attributes['device'] AS VARCHAR)`
Networkトラフィック	`CAST(attributes['device'] AS VARCHAR)`
GC時間	`CAST(attributes['jvm.gc.name'] AS VARCHAR)`

カスタムダッシュボードの作成

このセクションでは、実際に複数のパネルと変数を持つダッシュボードをゼロから作成する手順を説明します。

ダッシュボードとTime Seriesパネルの作成

K8s podのCPU使用率トレンドを表示するTime Seriesパネルを作成します。この例ではGaugeメトリックを使用し、SQLを書く完全な思考プロセスを示します。

Grafanaの左側メニューで、Dashboards > New > New dashboardをクリックします。
Add visualizationをクリックします。
データソースドロップダウンから、設定済みのMySQL（Doris）データソースを選択します。
クエリエディターの右上で、Codeモードに切り替えます。

次にSQLクエリを書きます。以下では段階的に構築していきます。

ベースクエリを書く。 目標はpodのCPUを監視することです。メトリック名はk8s.pod.cpu.usageです。これはotel_metrics_gaugeに保存されるGaugeメトリックで、valueは直接集約できます：

SELECT timestamp, value
FROM otel.otel_metrics_gauge
WHERE metric_name = 'k8s.pod.cpu.usage'

時間フィルタリングを追加する。 GrafanaのMySQLデータソースは、時間でフィルタリングする2つの方法を提供します:

-- Option A: use the $__timeFilter macro (recommended)
WHERE metric_name = 'k8s.pod.cpu.usage'
  AND $__timeFilter(timestamp)

-- Option B: use $__from and $__to (more flexible inside subqueries or JOINs)
WHERE metric_name = 'k8s.pod.cpu.usage'
  AND timestamp >= FROM_UNIXTIME($__from/1000)
  AND timestamp < FROM_UNIXTIME($__to/1000)

注意: $__fromと$__toはミリ秒のタイムスタンプです — FROM_UNIXTIME()で使用する前に1000で割ってください。

時間バケッティングを追加します。 生データポイントは密度が高すぎるため、固定間隔で集約します。FLOOR(UNIX_TIMESTAMP(timestamp) / N) * Nを使用してN秒バケットに時間を丸めます：

SELECT
  FLOOR(UNIX_TIMESTAMP(timestamp) / 20) * 20 AS time,
  AVG(value) AS value
FROM otel.otel_metrics_gauge
WHERE metric_name = 'k8s.pod.cpu.usage'
  AND timestamp >= FROM_UNIXTIME($__from/1000)
  AND timestamp < FROM_UNIXTIME($__to/1000)
GROUP BY time
ORDER BY time

ディメンションで複数のシリーズに分割する。 Time Series形式の場合、GrafanaのMySQLデータソースには3つのカラムが必要です：

カラム	目的
`time` または `time_sec`	X軸の時間。`datetime`値またはUNIXタイムスタンプ（秒単位）のいずれか。
`metric`	シリーズ名。Grafanaはこのカラムの異なる値によって複数の線に分割します。
`value`	Y軸の値。

完全なクエリのためにmetricカラムとしてpod名を追加します：

SELECT
  FLOOR(UNIX_TIMESTAMP(timestamp) / 20) * 20 AS time,
  CAST(resource_attributes['k8s.pod.name'] AS VARCHAR) AS metric,
  AVG(value) AS value
FROM otel.otel_metrics_gauge
WHERE metric_name = 'k8s.pod.cpu.usage'
  AND timestamp >= FROM_UNIXTIME($__from/1000)
  AND timestamp < FROM_UNIXTIME($__to/1000)
GROUP BY time, metric
ORDER BY time

異なるGaugeメトリクスを監視するには、以下を変更してください：

metric_name: 対象のメトリクス名。
metric列: シリーズを分割するために使用する次元で、attributesまたはresource_attributesから選択します。

完全なSQLをクエリエディタに貼り付けます。
エディタの下で、FormatをTime seriesに設定します。
パネルタイトルをクリックして名前を設定します。
右側のパネル設定で、Standard options > Unitを見つけて、適切な単位を選択します。
右上のApplyをクリックします。

Counterメトリクスパネルの追加

このセクションでは、Counterメトリクスのレートを表示するTime Seriesパネルを作成します。Counterのvalueは単調増加する累積値です — レートを計算するには汎用レートテンプレートを使用してください。

ダッシュボードで、Add > Visualizationをクリックします。
データソースを選択し、Codeモードに切り替えます。

レートテンプレート内のプレースホルダーを具体的な値に置き換えます。以下の例では、ネットワークデバイス別に分割されたネットワーク受信バイトレートを計算します：

SELECT
  t.timestamp AS time,
  t.device AS metric,
  CASE
    WHEN UNIX_TIMESTAMP(t.timestamp) > UNIX_TIMESTAMP(t.prev_ts)
         AND t.value >= t.prev_value
    THEN (t.value - t.prev_value) / (UNIX_TIMESTAMP(t.timestamp) - UNIX_TIMESTAMP(t.prev_ts))
    ELSE NULL
  END AS value
FROM (
  SELECT timestamp, CAST(attributes['device'] AS VARCHAR) AS device, value,
    LAG(value) OVER (PARTITION BY CAST(attributes['device'] AS VARCHAR) ORDER BY timestamp) AS prev_value,
    LAG(timestamp) OVER (PARTITION BY CAST(attributes['device'] AS VARCHAR) ORDER BY timestamp) AS prev_ts
  FROM otel.otel_metrics_sum
  WHERE metric_name = 'node_network_receive_bytes_total'
    AND $__timeFilter(timestamp)
) t
WHERE t.prev_ts IS NOT NULL
ORDER BY time

異なるCounterメトリックを使用するには、以下の2つを変更してください：

metric_name: 対象のメトリック名。
PARTITION BYとSELECT内のディメンションフィールド: そのメトリックを分割するために使用されるディメンション（attributes['cpu']、attributes['gc_name']など）。
SQLを貼り付けてFormatをTime seriesに設定します。
Standard options > Unitで、適切な単位を選択します。
Applyをクリックします。

Statパネルの追加

Statパネルは現在の使用率や最新のカウントなど、単一の値を表示します。SQLは1つの値を返すだけで済みます。

Add > VisualizationをクリックしてCodeモードに切り替えます。

以下のクエリは、時間範囲内の最新のメトリック値を取得します：

SELECT value
FROM otel.otel_metrics_gauge
WHERE metric_name = 'node_memory_MemAvailable_bytes'
  AND $__timeFilter(timestamp)
ORDER BY timestamp DESC
LIMIT 1

複数のメトリクス（比率など）を計算する必要がある場合は、最適化のヒントの「1つのSQLで複数のメトリクスをクエリする」を参照してください。

SQLを貼り付け、FormatをTableに設定します（StatパネルはTable形式を使用します）。
右側のパネル設定で、パネルタイプをStatに変更します。
Standard options > Unitで、適切な単位を選択します。
Applyをクリックします。

Tableパネルを追加する

Tableパネルは複数行、複数列のデータに適しており、SQL内の各列エイリアスが列ヘッダーになります。

Add > Visualizationをクリックし、Codeモードに切り替えます。

以下のクエリは最近のログ詳細を表示します：

SELECT
  timestamp,
  service_name,
  severity_text,
  body,
  CAST(log_attributes['your_key'] AS VARCHAR) AS your_key
FROM otel.otel_logs
WHERE $__timeFilter(timestamp)
ORDER BY timestamp DESC
LIMIT 100

your_keyを実際のログ属性フィールド名に置き換えてください。利用可能な属性を確認するには、以下を実行してください：

SELECT log_attributes FROM otel.otel_logs LIMIT 1;

SQLを貼り付け、FormatをTableに設定します。
Applyをクリックします。

テンプレート変数の追加

テンプレート変数は、ダッシュボードにインタラクティブなドロップダウンフィルターを追加し、SQLを変更することなくユーザーがデータをフィルタリングできるようにします。

単一選択変数：

ダッシュボードの右上にある歯車アイコンをクリックし、Settings > Variables > New variableに移動します。
設定を入力します：

- Name: service_name

- Type: Query

- Data source: あなたのDorisデータソースを選択

- Query:

sql SELECT DISTINCT service_name FROM otel.otel_metrics_gauge WHERE service_name != '' AND service_name IS NOT NULL AND $__timeFilter(timestamp) ORDER BY service_name

Applyをクリックします。

パネルのSQLでは、$variable構文を使用して単一選択変数を参照します：

AND service_name = '$service_name'

複数選択変数:

以下の設定で新しい変数を作成します:

- Name: namespace

- Type: Query

- Multi-value: チェック済み

- Include All option: チェック済み

- Query:

sql SELECT DISTINCT CAST(resource_attributes['k8s.namespace.name'] AS VARCHAR) AS __text FROM otel.otel_metrics_gauge WHERE metric_name = 'k8s.pod.phase' AND timestamp >= NOW() - INTERVAL 1 HOUR ORDER BY 1

Applyをクリックします。

注意: カラムエイリアス__textは、ドロップダウンの表示テキストを制御するために使用されるGrafanaの慣例です。

パネルのSQLでは、複数選択変数を${variable:sqlstring}構文とIN()を組み合わせて参照します:

AND CAST(resource_attributes['k8s.namespace.name'] AS VARCHAR) IN (${namespace:sqlstring})

注意：マルチ選択変数は:sqlstringが省略されるとSQL構文エラーが発生します。

カスケード変数：

ある変数の候補値は別の変数に依存することができます。例えば、以下のPod変数は現在選択されているNamespaceによって候補をフィルタリングします：

SELECT DISTINCT CAST(resource_attributes['k8s.pod.name'] AS VARCHAR) AS __text
FROM otel.otel_metrics_gauge
WHERE metric_name = 'k8s.pod.phase'
  AND timestamp >= NOW() - INTERVAL 1 HOUR
  AND CAST(resource_attributes['k8s.namespace.name'] AS VARCHAR) IN (${namespace:sqlstring})
ORDER BY 1

最適化のヒント

以下は、事前構築されたダッシュボードで使用される一般的な最適化テクニックです。

時間バケット間隔を調整する。 時間範囲に合うバケットサイズを選択してください。FLOOR(UNIX_TIMESTAMP(timestamp) / N) * NのNを変更します：

20秒：短時間ウィンドウのリアルタイム監視に適している。
60秒：時間レベルの概要に適している。
300秒：日レベルのトレンドに適している。

意味のあるシリーズ名を設定する。 CONCAT()を使用して複数のフィールドを結合します：

CONCAT(device, ' read') AS metric

CASE WHENを使用して数値を読みやすいテキストにマッピングします：

CASE WHEN value = 2 THEN 'Running'
     WHEN value = 1 THEN 'Pending'
     WHEN value = 3 THEN 'Succeeded'
     WHEN value = 4 THEN 'Failed'
     ELSE 'Unknown'
END AS status

ゼロ除算とNULLを処理する。 ゼロ除算を防ぐためにNULLIFを使用し、デフォルト値を提供するためにCOALESCEを使用する：

/ NULLIF(SUM(...), 0)
COALESCE(restarts, 0)

1つのSQLで複数のメトリクスをクエリする。 JOINの代わりにCASE WHEN metric_nameを使用する：

SELECT timestamp AS time,
  SUM(CASE WHEN metric_name = 'node_memory_MemAvailable_bytes' THEN value END) AS available,
  SUM(CASE WHEN metric_name = 'node_memory_MemTotal_bytes' THEN value END) AS total
FROM otel.otel_metrics_gauge
WHERE metric_name IN ('node_memory_MemTotal_bytes', 'node_memory_MemAvailable_bytes')
GROUP BY timestamp

ノイズデータをフィルタリングします。 仮想ネットワークインターフェースを除外します：

AND CAST(attributes['device'] AS VARCHAR) NOT LIKE 'veth%'
AND CAST(attributes['device'] AS VARCHAR) NOT LIKE 'br-%'
AND CAST(attributes['device'] AS VARCHAR) != 'lo'

実際のファイルシステムのみを保持する:

AND CAST(attributes['fstype'] AS VARCHAR) IN ('ext4', 'xfs', 'btrfs')

リファレンス

OTelテーブルスキーマ

Metricsテーブル (gauge / sum / histogram — 共通フィールド)

フィールド	型	説明
`service_name`	varchar(200)	サービス名
`timestamp`	datetime(6)	データタイムスタンプ
`service_instance_id`	varchar(200)	サービスインスタンスID
`metric_name`	varchar(200)	メトリック名
`metric_description`	text	メトリック説明
`metric_unit`	text	メトリック単位
`attributes`	variant (JSON)	メトリックディメンション
`resource_attributes`	variant (JSON)	リソース属性
`scope_name`	text	コレクター名

gauge専用フィールド: value (double)

sum追加フィールド: value (double), aggregation_temporality (text), is_monotonic (boolean)

histogram追加フィールド: count (bigint), sum (double), bucket_counts (array<bigint>), explicit_bounds (array<double>), min (double), max (double)

Logsテーブル

フィールド	型	説明
`timestamp`	datetime(6)	ログタイムスタンプ
`service_name`	varchar(200)	サービス名
`service_instance_id`	varchar(200)	サービスインスタンスID
`trace_id`	varchar(200)	関連するトレースID
`span_id`	text	関連するスパンID
`severity_number`	int	重要度番号
`severity_text`	text	重要度テキスト (INFO / WARN / ERROR)
`body`	text	ログ本文
`resource_attributes`	variant (JSON)	リソース属性
`log_attributes`	variant (JSON)	ログ属性

Tracesテーブル

フィールド	型	説明
`timestamp`	datetime(6)	スパン開始時刻
`service_name`	varchar(200)	サービス名
`trace_id`	varchar(200)	トレースID
`span_id`	text	スパンID
`parent_span_id`	text	親スパンID
`span_name`	text	スパン名
`span_kind`	text	スパン種別 (CLIENT / SERVER / INTERNAL)
`end_time`	datetime(6)	スパン終了時刻
`duration`	bigint	継続時間 (ナノ秒)
`span_attributes`	variant (JSON)	スパン属性
`events`	array	スパンイベント
`links`	array	スパンリンク
`status_code`	text	ステータスコード (OK / ERROR / UNSET)
`status_message`	text	ステータスメッセージ
`resource_attributes`	variant (JSON)	リソース属性

構文チートシート

用途	構文
時間フィルター (マクロ)	`$__timeFilter(timestamp)`
時間フィルター (手動)	`timestamp >= FROM_UNIXTIME($__from/1000)`
時間バケット (20秒)	`FLOOR(UNIX_TIMESTAMP(timestamp) / 20) * 20 AS time`
時間バケット (1分)	`UNIX_TIMESTAMP(DATE_FORMAT(timestamp, '%Y-%m-%d %H:%i:00')) * 1000 AS time`
属性アクセス	`attributes['key']`
属性CAST	`CAST(attributes['key'] AS VARCHAR)`
単一選択変数	`service_name = '$service_name'`
複数選択変数	`IN (${namespace:sqlstring})`
ゼロ除算ガード	`/ NULLIF(..., 0)`
デフォルト値	`COALESCE(..., 0)`
シリーズ命名	`CONCAT(device, ' read') AS metric`
ステータスマッピング	`CASE WHEN value = 2 THEN 'Running' ... END`
URLクエリ文字列除去	`SUBSTRING_INDEX(url, '?', 1)`
仮想ネットワークカードのフィルター除外	`NOT LIKE 'veth%'` + `NOT LIKE 'br-%'` + `!= 'lo'`

概要​

前提条件​

プリビルトダッシュボードのインポート​

ダッシュボード別パネル詳細​

データモデルの理解​

テーブル​

Attribute フィールド​

Counterメトリクスとレート計算​

カスタムダッシュボードの作成​

ダッシュボードとTime Seriesパネルの作成​

Counterメトリクスパネルの追加​

Statパネルの追加​

Tableパネルを追加する​

テンプレート変数の追加​

最適化のヒント​

リファレンス​

OTelテーブルスキーマ​

構文チートシート​

概要