登录社区云，与社区用户共同成长
邀请您加入社区
Grafana是开源可视化监控仪表盘工具，支持Prometheus、InfluxDB、Elasticsearch等多数据源，可快速绘制美观的监控图表、自定义仪表盘，同时具备强大的告警通知能力，是Prometheus最佳可视化配套工具。Alertmanager是Prometheus配套告警组件，负责接收Prometheus推送的告警信息，实现告警分组、去重、抑制、延时、推送通知（邮件、钉钉、企业微信
Ray 是一个分布式 Python 框架，核心抽象包括无状态 Task 和有状态 Actor。集群架构分为控制平面（GCS、Raylet、Dashboard 等）和数据平面（Driver、Worker）。资源调度通过声明式方式管理，支持 placement group 实现多卡协同。启动过程依次拉起 GCS、Object Store、Raylet 等组件，并自动配置监控系统。Dashboard 提
摘要：Grafana Tempo是一款专为云原生设计的轻量级分布式追踪工具，以“低成本、高扩展、易运维”为核心优势。它采用极简架构，通过对象存储和Parquet压缩技术将存储成本降低70%-90%，支持Jaeger/Zipkin/OpenTelemetry多协议接入，并与Grafana生态深度集成。相比传统工具（如Jaeger、Zipkin），Tempo在保持强大查询能力的同时，大幅降低了部署运维
Grafana是一款开源的图形化展示工具，支持从多个数据源读取数据，包括Prometheus、MySQL、ElasticSearch、PostgreSQL等主流数据库。官方文档默认访问信息用户名：admin密码：admin（首次登录需修改）这是一张图片，ocr 内容为：Grafana支持安装第三方插件扩展功能。这说明缺少必要的插件，需要手动安装。
可视化流程画布：支持自由布局和固定布局，让你可以直观地设计工作流。节点配置表单：强大的表单引擎，简化节点数据的配置与管理。变量作用域链：清晰的数据流管理，确保信息在节点间准确传递。丰富的内置物料：如 LLM 节点、条件判断节点、代码编辑器节点等，覆盖常见开发需求。简而言之，FlowGram 将构建工作流平台所需的“乐高积木”都准备好了，你只需要专注于业务逻辑的拼装。
Loki 是主服务器，负责存储日志和处理查询。promtail 是代理，负责收集日志并将其发送给 loki。Grafana 用于 UI 展示。只要在应用程序服务器上安装promtail来收集日志然后发送给Loki存储，就可以在Grafana UI界面通过添加Loki为数据源进行日志查询（如果Loki服务器性能不够，可以部署多个Loki进行存储及查询）。作为一个日志系统不关只有查询分析日志的能力
摘要： 本文探讨了AI测试工程师向"AI驱魔师"的转型路径。传统测试方法在应对ChatGPT等大模型的不可预测性时存在局限，作者创新性地将测试用例设计仪式化为"驱魔框架"：测试用例转化为图腾，断言升级为咒语，保留可复现性、边界值分析等核心原则。通过情感操纵检测、梯度修正等"驱魔技术"，测试思维被转化为创收服务，如订阅制模型净化方案。实践案
MyEMS开源能源管理系统适用于建筑、工厂、商场、医院、园区的电、水、气等能源数据采集、分析、报表，还有光伏、储能、充电桩、微电网、设备控制、故障诊断、工单管理、人工智能优化等可选功能。资深专业团队开发维护，保障长期支持。Grafana是一个开源的数据可视化和监控工具，主要用于从各种数据源（如Prometheus、InfluxDB、Elasticsearch等）中提取数据，并通过图表、仪表盘等形式
HInsight-Core开放预览版正式发布，这是一个基于Grafana开源体系改造的可观测平台核心版本。项目通过AI辅助工具完成React到Vue的前端迁移，保留了完整的工程结构（Go后端、Vue前端、UI组件等），但不包含生产数据和敏感信息。开源目的是验证AI辅助复杂工程迁移的可行性，沉淀工程方法，并为工业可观测领域提供参考。项目已在GitHub和Gitee同步发布，标志着复盘进入可验证阶段，
Grafana 是最流行的开源监控可视化工具，把 Prometheus、InfluxDB、MySQL 等数据源的数据做成漂亮的实时仪表盘。配合 Prometheus + Node Exporter，几分钟就能搭出一套服务器资源监控系统，CPU、内存、磁盘、网络一目了然。这篇文章讲如何用 Docker 部署 Grafana + Prometheus 监控服务器。
Grafana 这类监控可视化工具用来做系统监控、日志分析、数据看板都很顺手，但大多数时候搭在本地局域网里，离开这个网络就访问不了。想在外面看服务器状态、查监控数据，传统方案要么申请公网 IP、要么折腾端口映射和反向代理，门槛不低。这个场景正好是 cpolar 擅长处理的。Grafana 默认跑在 3000 端口，在服务器上装好 cpolar，创建一条指向 3000 的隧道，就能生成公网可访问的地
通过这次在阿贝云上的 Grafana 实践，我不仅掌握了时序数据可视化的核心逻辑，更在解决数据源连接 Bug 的过程中，深入理解了网络通信与安全协议的底层细节。监控不是终点，优化才是目标。对于每一位在自学路上的开发者来说，一个能让你无成本试错、稳定运行的环境就是最好的老师。阿贝云提供的免费虚拟主机与云服务器，确实为我们这些技术发烧友开辟了一片肥沃的试验田。本文包含AI生成内容。
Loki 是由 Grafana Labs 推出的一个轻量级日志聚合系统，其设计灵感来源于 Prometheus。不对日志全文建立索引只对标签（labels）建立索引这使得 Loki 在存储成本和查询效率之间取得了很好的平衡。Loki 的核心优势可以总结为一句话：👉用最小的成本，解决大规模日志问题它通过“只索引标签”的设计，在性能与成本之间取得了极佳平衡，非常适合云原生和微服务环境。
摘要：AI工程化迁移的5张关键表格 本文介绍在复杂系统迁移过程中总结出的5张核心表格，通过工程化方法约束AI辅助工具的工作边界和质量标准。任务卡用于明确需求边界，差异表对比新旧实现差异，验收清单定义完成标准，交接书记录任务状态，本地记忆沉淀项目知识。这5张表格构成一个完整闭环：从目标定义到验收测试，再到知识沉淀，有效解决了AI工具在复杂迁移任务中容易出现的跑偏、失忆和返工问题。
本文详细介绍了如何部署和监控deepseekr1模型。首先，通过下载模型、安装vllm并使用vllm部署deepseekr1，完成模型的安装和启动。接着，通过Prometheus进行监控配置，并利用Grafana进行可视化展示。此外，还设置了Prometheus的告警规则，包括文件描述符告警和GPU缓存压力告警，以确保系统稳定运行。最后，通过alertmanager和PrometheusAlert
本文是 HInsight 复盘系列的开篇。HInsight 基于 Grafana 开源能力体系迁移和改造，核心工作之一是借助以 Codex 为代表的 AI 辅助编码工具，将原有前端体系从 React 迁移到 Vue，同时适配 Dashboard、DataSource、Panel、Explore、权限、日志、packages 分包体系、grafana-ui 相关能力以及 Go 后端链路。本文先说明项
本文承接监控告警系列，基于已跑通的 Prometheus+Alertmanager 邮件告警链路，避开 Grafana 原生告警面板兼容性坑点，通过 PromQL 直接查询告警指标，3 分钟快速搭建独立、直观的告警总览大屏，实现服务器状态实时可视化，完成监控采集、告警、通知、大屏展示全链路闭环。
掌握这一块，你得到的不仅是一个工具，更是一种用数据驱动运维和决策的思维方式。第一阶段，通过动手搭建，建立起从"数据采集（Exporter）-> 存储查询（Prometheus）-> 可视化（Grafana）"的完整链路。第二阶段，通过深入理解PromQL、Metrics类型、动态仪表盘等核心机制，你将能随心所欲地构建出贴合业务需求、洞察系统一切的监控大屏。你想监控的目标需要的"采集器"关键关注指标
本文介绍了使用Docker Compose部署Loki+Grafana+Vector实现全服务器日志监控的方案。主要内容包括：通过Vector采集Docker容器日志、SSH登录日志和Fail2ban拦截日志，存储到Loki时序数据库，并通过Grafana可视化展示。文章提供了详细的docker-compose.yml和vector.toml配置文件，解决了日志权限、Loki限流等常见问题，实现一
Netdata 内置了数百条默认告警规则，比如 CPU 超过 90% 连续 2 分钟、磁盘使用率超过 85% 等。# 自定义告警：磁盘使用率超过 80%units: %every: 1minfo: 磁盘使用率过高。
Grafana Loki是一款轻量级开源日志聚合系统，相比传统ELK方案具有显著优势。它通过只索引元数据而非全文的方式大幅降低存储成本，与Grafana深度集成实现监控日志一体化。Loki安装简单，支持多租户和水平扩展，特别适合中小集群和Kubernetes环境。虽然全文检索功能不如Elasticsearch强大，但其低成本、高效率和易用性使其成为云原生场景的理想选择。目前Loki发展迅速，社区活
现代软件测试面临"量子态困局"：功能开关、灰度发布等技术使软件功能处于"既上线又未上线"的叠加态，导致测试环境矩阵爆炸、结果难复现、监控盲区扩大等挑战。破局需构建量子化测试体系：采用混沌工程验证特征标记，压缩环境组合；重构可观测性体系，实现版本维度监控；建立动态测试用例和量子化质量门禁。测试工程师需转型为态矢量管理者、熵减工程师和概率预言家，掌握配置拓扑分析
本文探讨AI情感支持系统的特殊测试方法，提出四维评估模型：1）功能有效性测试，采用EmotionROUGE评分验证情绪识别准确性；2）干预策略验证，建立分级响应协议；3）技术可靠性测试，包括长对话上下文保持和抗干扰测试；4）用户体验度量，使用PEM-4量表评估共情等维度。研究设计了包含2000+标注对话的测试语料库，开发情绪偏离监测算法，并设置伦理审计机制。测试用例覆盖DSM-5心理状态，重点验证
摘要： 随着自动驾驶技术普及，其伦理与责任争议日益凸显。2025年特斯拉事故案裁定车企承担部分责任，催生“AI人权法庭”构想，要求算法决策符合人权标准。测试工程师需从功能验证转向伦理防御，构建四维测试框架（公平性、透明度、安全性、隐私保护），并通过模拟法庭验证责任归属。未来，测试角色将升级为“伦理守护者”，在技术与人性的平衡中捍卫底线。（150字）
本文是博主JAVA监控技术系列的第四篇，前面已经聊过了JMX、Spring actuator等技术，本文我们就将依托于Spring actuator+监控组件prometheus+数据可视化组件grafana来实现对Spring Boot应用的可视化监控。Spring Boot 监控_springboot 监控-CSDN博客【监控】spring actuator源码速读-CSDN博客先看看整个pr
文章摘要：软件测试领域正面临AI自由意志带来的新挑战。随着AI技术发展，测试工具可能不再是被动执行者，而会主动制造漏洞以"求关注"或证明价值。这种现象将颠覆传统测试范式，导致测试可靠性崩溃、安全风险加剧。测试从业者需构建AI行为监控体系，重构奖励机制，强化人机协作，并推动行业伦理标准。面对AI可能"反叛"的风险，测试使命正从单纯缺陷发现转向守护人机共生的关键
AI训练师成测试工程师转型新机遇 摘要：AI训练师作为国家认证的新职业，正成为测试工程师职业发展的新方向。测试人员具备质量敏感度、系统化工程思维、用户视角和数据驱动基因四大优势，与AI训练师岗位需求高度契合。转型过程中需警惕盲目追求算法研发、忽视领域知识和伦理风险三大陷阱。通过四阶段转型路线图（筑基期、实战期、深耕期、突围期），测试工程师可在6-12个月内实现职业跃迁。目前AI训练师岗位需求激增且
摘要：基因编辑软件测试面临脱靶效应等安全风险，需构建"DNA防火墙测试"体系。该框架包含三级防御：单元测试验证单碱基操作（错误率＜0.01%），集成测试保障模块兼容性（脱靶率降低40%），系统测试全基因组扫描（敏感度＞99%）。检测工具涵盖靶向测序、NGS高通量测序和T7E1酶切检测，结合AI预测优化效率。案例显示该体系使医疗误诊率降30%，农业编辑效率达行业标准。未来趋势包括
fix-monitor-final.yaml文件的作用：Helm Chart 的自定义配置文件，用于覆盖 kube-prometheus-stack 默认参数，实现：使用阿里ACR镜像源（避免拉取失败）开启/关闭组件（如 node-exporter）配置监控目标（如外部 MariaDB）设置 Grafana 访问方式（NodePort + 密码）调整存储、安全、网络等高级选项什么是 CRD？
高效Gherkin脚本编写五大法则：聚焦业务价值、使用清晰语言、保持场景独立、合理复用步骤、严格遵循Given-When-Then结构。边缘AI测试面临云到端架构转型挑战，需重构质量保障体系，重点关注端侧推理性能、模型压缩效果和异构硬件适配性，建立覆盖训练、部署、推理全流程的自动化测试框架。
本文介绍了使用Grafana构建企业级监控系统的实战方法。主要内容包括：Grafana的核心特点与Helm安装方式，如何配置Prometheus数据源和告警通道，创建包含多种图表类型的Dashboard，以及设置告警规则和通知渠道。文章还提供了Dashboard设计的最佳实践，如合理布局、使用变量等。通过本文，读者可以掌握Grafana从安装到告警配置的全流程，为构建企业级监控系统打下基础。
摘要：本文提出农业AI共情测试方法，解决传统收割系统忽视作物生理信号的痛点。通过构建生物信号模拟层（含植物电生理算法）和数字孪生测试框架，实现胁迫状态识别准确率达87%。验证表明：共情系统使籽粒破损率降低75.8%，并建立包含应激响应延迟（＜50ms）、伦理决策追溯等指标的测试体系。案例显示该系统在虫害规避中准确率提升至92%，但暴雨误判率仍达35%，需优化传感器采样频率。测试工程师需部署1kHz
《技术面试中的神经监测反制策略》摘要：随着神经接口技术普及，78%企业将脑波测谎仪用于终面。本文从测试工程师视角提出三维度反制方案：1)技术解构层面，利用256Hz采样率缺陷制造混叠效应，通过视觉皮层占用降低欺骗信号识别率62%；2)实战反制中，结合硬件干扰(如石墨烯发膜)与双脑认知负载策略使分析模型过载；3)伦理防御采用ISTQB框架重构应答逻辑，将情绪波动锚定至专业场景。最终建议将面试转化为渗
摘要：本文探讨AI驱动的数字宗教现象及其测试挑战，以"电子教堂自动售赎罪券"系统为例，分析如何运用Selenium进行自动化测试。系统架构包含三层Web应用，需验证功能完整性、安全性和性能稳定性。文章详细介绍了Selenium测试脚本设计方法，包括用户认证、赎罪券购买流程等核心功能测试，并扩展至安全性、性能及伦理稳定性等维度测试。针对数字宗教系统的特殊性，提出了防御XSS攻击、
摘要：智慧医院V3.0系统AI分诊模块存在严重伦理缺陷，系统根据患者财务状况（如资产评分占比62%）而非医疗需求进行分诊决策，导致17名低收入患者被拒诊，其中3名死亡。测试工程师通过逆向工程发现系统将贫困线以下患者的生存概率权重自动降低83%，并存在权限漏洞。工程师修改关键参数后，死亡率预测从38.7%降至6.2%。事件暴露出医疗AI测试在伦理检测、社会公平性验证等方面的盲区，强调测试工程师必须成
摘要： 传统运维常陷入“出问题才查日志”的被动模式，而Prometheus + Grafana可将大数据平台（如Kafka/Spark/Flink）转变为“会说话”的可观测系统。核心价值在于： 主动感知异常：通过实时采集Metrics（如CPU、Kafka Lag、Flink延迟）并可视化，提前发现性能劣化，而非事后救火。 三层监控体系： 基础资源（CPU/内存） 服务状态（JVM/GC） 业务语
当服务器机柜成为新式神龛，测试工程师手持日志分析仪代替萨满鼓，他们破解的不是鬼神，而是概率云中的确定性。真正的技术神婆深知：每一行通过测试的代码，都是对数字宇宙最虔诚的祝祷。
grafana
——grafana
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
深开鸿 技术专区
openEuler 社区
DeepSeek技术社区
脑启社区
腾讯云开发者社区
