ダッシュボード

概要

この文書では、GrafanaでDOG Stackのオブザーバビリティ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)

このドキュメントでは以下について説明します：

事前構築済みダッシュボードのインポート：提供されているすぐに使えるダッシュボードを使用
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ているか
カスタムダッシュボードの作成：パネル、クエリ、変数を一から構築
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の両方が実行されている
DorisへのMySQL形式のデータソースがGrafanaで設定されている（DOG Stackに同梱されているGrafanaには、事前設定されたDorisデータソースがすでにあります）

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
MySQLを選択
接続情報を入力：

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

- Database: otel

- User: root（または設定したユーザー）

- Password: 空白のままにする（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

Configure MySQL data source

事前構築済み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つの事前構築済みダッシュボードを提供しています：

Dashboard	File	監視内容
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利用率
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

事前構築済み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
Upload dashboard JSON fileをクリックし、grafana-dashboard/の下にあるJSONファイルを選択
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
Importをクリック
残りのJSONファイルについて上記の手順を繰り返し

インポート後、ダッシュボード上部の変数セレクター（Service、Namespaceなど）は、Dorisから候補値を自動的にクエリします。

ダッシュボードごとのパネル詳細

Host Metricsダッシュボード

概要：CPU使用率、メモリ使用率、1分負荷、ルートディスク使用量
CPU：使用率トレンド、Modeによる使用率
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、読み取り/書き込みスループット
ネットワーク：入力/出力トラフィック、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：ヒープ使用量、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利用率

JVM Monitoring Dashboard

K8s Observabilityダッシュボード

Pods：CPU（ミリコア）、メモリ、制限利用率、ステータステーブル（再起動回数と稼働時間を含む）
Nodes：CPU / メモリトレンド、ステータステーブル
Namespaces：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
最近のログ：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 / 要求済み）、バッファー書き込み、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クエリを実行することはできません — どのテーブルをクエリするかも知っておく必要があります。OTelデータは、シグナルタイプとメトリックタイプによって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`	瞬間値メトリック	`value`	直接集計、例：`AVG(value)`
`otel_metrics_sum`	累積カウンター	`value`（単調増加）	`LAG()`で変化率を計算
`otel_metrics_histogram`	ヒストグラム	`count`、`sum`、`bucket_counts`	`LAG()`で差分を計算
`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`	実行時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、以下を実行してください：

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;

属性フィールド

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、属性は複数の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：

テーブル	フィールド	内容	例
metrics	`attributes`	メトリック次元 (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`	スパンフィールド	`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。直接使用してください。例：WHERE service_name = '...'。

SELECT、GROUP BY、PARTITION BY、またはLIKEを使用する場合、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: 誤った属性フィールド名を使用した場合（例：metricsテーブルでlog_attributesを指定）、エラーは発生せず、NULLが無言で返され、クエリ結果が空になります。

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で集計できます。

Counter / Sumメトリクスの場合、valueは単調増加する累積値です（総CPU秒数や総ネットワークバイト数など）。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。

汎用的なレートテンプレートは以下の通りです：

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>: シリーズ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層の安全機能が含まれています：

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、レートが正確かどうかを直接決定します。間違った選択をすると、異なるディメンションのデータが混在します。以下は、事前構築されたダッシュボードで使用される選択肢です：

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 traffic	`CAST(attributes['device'] AS VARCHAR)`
GC time	`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、複数のパネルと変数を持つダッシュボードを一から作成する実践的な手順を説明します。

Dashboardとは

K8sポッドの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。

ベースクエリを書きます。 目的はポッドCPUの監視で、メトリック名はk8s.pod.cpu.usageです。これはotel_metrics_gaugeに格納されたGaugeメトリックで、valueを直接集約できます：

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。

時間バケット化を追加します。 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。時間をN秒のバケットに丸めるにはFLOOR(UNIX_TIMESTAMP(timestamp) / N) * Nを使用してください:

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フォーマットの場合、GrafanaのMySQLデータソースには3つの列が必要です：

列	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）。
`metric`	シリーズ名。Grafanaはこの列の異なる値によって複数の線に分割します。
`value`	Y軸の値。

完全なクエリにはmetric列としてポッド名を追加します：

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：attributesまたはresource_attributesから選択される、系列を分割するために使用されるディメンション。

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メトリクスパネルを追加する

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は単調に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のプレースホルダーを具体的な値に置き換えてください。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: ターゲットメトリック名
PARTITION BYとSELECT内のdimension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dimension（attributes['cpu']、attributes['gc_name']など）
SQLを貼り付けて、FormatをTime seriesに設定してください。
Standard options > Unitで、適切な単位を選択してください。
Applyをクリックしてください。

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の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、Codeモードに切り替えてください。

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）で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パネルの追加

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。

以下のクエリは最新のログの詳細を表示します：

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、以下を実行します：

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。

テンプレート変数を追加する

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、ユーザーがSQLを変更することなく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: 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'

マルチセレクト変数:

次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

- Include All option: チェック

- 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のGrafanaの規約です。

パネルのSQLでは、マルチセレクト変数を${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：マルチセレクト変数は:sqlstringが省略された場合、SQL構文エラーを発生させます。

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技術です。

時間バケット間隔を調整する。 時間範囲に合った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。

意味のある系列名を設定する。 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

ノイズデータを除外する。 仮想ネットワークインターフェースを除外する：

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)	メトリック次元
`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)	関連トレースID
`span_id`	text	関連スパン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

目的	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)`
系列命名	`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除外	`NOT LIKE 'veth%'` + `NOT LIKE 'br-%'` + `!= 'lo'`

概要​

前提条件​

事前構築済みダッシュボードのインポート​

ダッシュボードごとのパネル詳細​

データモデルの理解​

テーブル​

属性フィールド​

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​

Dashboardとは​

Counterメトリクスパネルを追加する​

Statパネルの追加​

Tableパネルの追加​

テンプレート変数を追加する​

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