Paneles de Grafana

LinuxBeginner
Practicar Ahora

Introducción

En este laboratorio, aprenderás los fundamentos para crear un panel de monitorización utilizando Grafana. Grafana es una popular plataforma de código abierto para monitorización y observabilidad que te permite consultar, visualizar, alertar y explorar tus métricas sin importar dónde estén almacenadas.

Iniciarás una pila de monitorización a partir de archivos de configuración preparados. Incluye:

  • Grafana: La herramienta de visualización donde construirás tu panel.
  • Prometheus: Una base de datos de series temporales que servirá como fuente de datos para Grafana.
  • Node Exporter: Un agente que recopila métricas de hardware y del sistema operativo de la máquina anfitriona y las expone para que Prometheus las recolecte.

Tu objetivo es construir un panel sencillo desde cero que muestre el uso de CPU en tiempo real del entorno de laboratorio.

Iniciar y explorar la pila de monitorización

En este paso, iniciarás Grafana, Prometheus y Node Exporter. Node Exporter expone las métricas del sistema, Prometheus las recopila y Grafana las muestra. Los archivos de configuración y de aprovisionamiento de la fuente de datos ya están preparados.

cd /home/labex/project

Cada etiqueta fija selecciona la versión utilizada en este laboratorio. Las descargas pueden tardar varios minutos. Espera a que cada comando devuelva el indicador. Si una descarga falla, repite ese mismo comando; Docker reutiliza las capas completadas. No continúes mientras una descarga esté incompleta.

docker pull prom/prometheus:v3.3.0
docker pull prom/node-exporter:v1.9.1
docker pull grafana/grafana:11.6.0

docker network create crea una red donde los contenedores pueden resolver sus nombres. docker run -d inicia un contenedor en segundo plano; --name lo nombra, --network lo conecta a esa red y -p asigna un puerto del host a uno del contenedor. Los montajes -v conectan los archivos de configuración preparados. El sufijo :ro los hace de solo lectura.

docker network create monitoring-net
docker run -d --name node-exporter --network monitoring-net -p 9100:9100 prom/node-exporter:v1.9.1
docker run -d --name prometheus --network monitoring-net -p 9090:9090 -v /home/labex/project/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml:ro prom/prometheus:v3.3.0
docker run -d --name grafana --network monitoring-net -p 8080:3000 -v /home/labex/project/grafana/provisioning:/etc/grafana/provisioning:ro grafana/grafana:11.6.0

Las opciones de curl informan de fallos HTTP y reintentan los errores temporales de inicio hasta 30 veces, con dos segundos de intervalo. Un contenedor en ejecución aún puede estar inicializándose, por lo que debes esperar a que la comprobación de salud tenga éxito antes de continuar.

curl --fail --silent --show-error --retry 30 --retry-delay 2 --retry-connrefused --retry-all-errors http://localhost:9090/-/ready
curl --fail --silent --show-error --retry 30 --retry-delay 2 --retry-connrefused --retry-all-errors http://localhost:8080/api/health

Prometheus debe indicar que está listo; Grafana debe devolver "database": "ok". Inspecciona los contenedores con:

docker ps

Los tres contenedores con los nombres indicados deben estar Up. Selecciona la pestaña Grafana del laboratorio. Si se bloquea el inicio de sesión incrustado, usa su control para abrirla en una nueva pestaña del navegador. Inicia sesión con usuario admin y contraseña admin, y pulsa Skip en la pantalla de cambio de contraseña. Estas credenciales son solo para este laboratorio temporal.

Abre Connections → Data sources y confirma que aparece Prometheus. Su archivo de aprovisionamiento conecta con http://prometheus:9090 a través de la red Docker compartida. Deja la pila en ejecución para que Prometheus recopile varias muestras antes de escribir la consulta de CPU.

Crear un panel nuevo en Grafana

En este paso, crearás un panel vacío y añadirás su primer widget de visualización. Un panel organiza widgets en una cuadrícula; cada widget muestra el resultado de una consulta de datos.

Abre Dashboards en la barra lateral izquierda. Pulsa New y selecciona New dashboard.

En el panel vacío, pulsa Add visualization. En el selector de fuentes de datos, selecciona Prometheus. Esto indica al nuevo widget dónde debe enviar las consultas.

Ahora deberías ver el editor, con la vista previa de la visualización, el editor de consultas y las opciones de presentación. Introducirás la consulta de CPU en el siguiente paso.

Añadir un widget con una consulta PromQL para el uso de CPU

En este paso, añadirás un widget a tu panel y utilizarás una consulta PromQL (Prometheus Query Language) para obtener los datos de uso de CPU.

Ya deberías estar en el editor de paneles del paso anterior.

En la parte inferior del editor, encontrarás la sección de consultas. La fuente de datos Prometheus debería estar seleccionada por defecto. Cambia el editor de consultas a Code e introduce la siguiente consulta PromQL. Puedes copiarla y pegarla directamente.

100 - (avg by (instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)

Analicemos esta consulta:

  • node_cpu_seconds_total{mode="idle"}: Es una métrica de Node Exporter que cuenta el número total de segundos que la CPU ha estado en estado "inactivo" (idle).
  • rate(...[5m]): Esta función calcula la tasa promedio de aumento por segundo del tiempo de inactividad durante los últimos 5 minutos. El resultado es un valor entre 0 y 1, que representa la fracción de tiempo que la CPU estuvo inactiva.
  • avg by (instance): Esto agrega los resultados, lo cual es útil si tienes múltiples CPUs o máquinas.
  • * 100: Esto convierte el valor fraccionario en un porcentaje (por ejemplo, 0.95 se convierte en 95%).
  • 100 - ...: Finalmente, restamos el porcentaje de inactividad de 100 para obtener el porcentaje de uso activo de la CPU.

Pulsa Run queries. La función rate necesita al menos dos capturas; si la pila acaba de iniciarse, espera unos 30 segundos y ejecuta la consulta de nuevo. Debería aparecer un gráfico del uso de CPU a lo largo del tiempo en la vista previa superior.

Tu panel ya está mostrando datos, pero puede mejorarse con etiquetas y formato más claros, lo cual harás en el siguiente paso.

Personalizar y guardar el panel

En este paso, darás un título al widget de CPU, aplicarás formato de porcentaje y guardarás el panel. Las etiquetas claras facilitan interpretar los resultados.

En Panel options, a la derecha, establece Title exactamente en CPU Usage %.

En Standard options, abre Unit, busca percent y selecciona Misc / Percent (0-100). La consulta ya devuelve valores de 0 a 100, por lo que esta unidad añade el símbolo de porcentaje sin cambiar la escala.

Pulsa Back to dashboard para conservar el widget y volver al panel. El panel todavía no está guardado permanentemente.

Pulsa Save dashboard. En el diálogo, introduce el título exacto My System Dashboard y pulsa Save. El laboratorio utiliza ese título para localizar el panel guardado.

Confirma que el panel guardado contiene el widget CPU Usage % con un gráfico de CPU y unidades de porcentaje.

Resumen

En este laboratorio has construido un panel de Grafana desde cero. Iniciaste la pila de monitorización a partir de archivos de configuración preparados y realizaste estas acciones:

  • Exploraste el entorno compuesto por contenedores de Grafana, Prometheus y Node Exporter.
  • Navegaste por la interfaz de usuario de Grafana para crear un panel nuevo y vacío.
  • Añadiste un widget de visualización y escribiste una consulta PromQL para obtener datos de uso de CPU desde la fuente de datos de Prometheus.
  • Personalizaste el título del widget y el formato de las unidades para una mejor legibilidad.
  • Guardaste el panel completado para uso futuro.

Ahora has aprendido el flujo de trabajo fundamental para crear visualizaciones en Grafana. Puedes aprovechar este conocimiento añadiendo más widgets a tu panel para monitorizar otras métricas del sistema, como el uso de memoria, E/S de disco o tráfico de red.