TiDB Dashboard 使用指南
项目介绍
TiDB Dashboard 是一个专为监控、诊断和管理 TiDB 集群而设计的Web界面,自 v4.0 版本起被集成在PD组件中,无需独立部署即可使用。对于 TiDB v6.5.0 及更高版本以及 TiDB Operator v1.4.0 及其以后版本,支持将 TiDB Dashboard 作为独立的Pod部署在 Kubernetes 上。该项目遵循 Apache-2.0 许可证,源代码托管于 GitHub。
该Web UI使得集群管理者能够直观地查看TiDB集群的运行状态、进行SQL分析、监控关键指标和管理实例等,极大地方便了日常运维工作。
项目快速启动
要快速启动 TiDB Dashboard,首先确保你的环境中已正确配置了 TiDB 集群。TiDB Dashboard 默认可通过 PD 的地址访问,通常是在 http://127.0.0.1:2379/dashboard/,其中 PD 地址可能会有所不同,具体请参考你的实际集群配置。
在纯 TiDB 环境下(非 Kubernetes 部署):
-
确认 PD 地址:找到你的 PD 实例地址。
-
访问 Dashboard:在浏览器输入对应 PD 的监听地址加上
/dashboard/路径,如 PD 运行在本地且默认端口,则访问http://localhost:2379/dashboard/。
在 Kubernetes 环境下,若通过 TiDB Operator 部署:
-
找到 Dashboard Pod:确定 TiDB Dashboard Pod 的名称或服务名称。
-
通过 kubectl 访问 或使用服务名通过 NodePort/LoadBalancer 方式访问。
示例命令(假设 Dashboard 已作为独立服务部署):
# 获取服务详情,找到 TiDB Dashboard 的服务端口
kubectl get svc -n <tidb-cluster-namespace>
# 如果是NodePort类型,可以通过NodeIP和服务的NodePort访问
应用案例和最佳实践
监控集群健康状况
- 定期检查 Overview Page 来获取集群的整体运行状态。
- 利用 Key Visualizer 分析热点数据分布,优化存储分配。
- 在 SQL Statements Analysis 页面上,识别并优化执行效率低下的SQL语句。
诊断性能问题
- 查看 Slow Queries Page,定位慢查询的原因。
- Cluster Diagnostics 功能帮助快速诊断集群级问题,如资源瓶颈或配置不当。
日常维护与管理
- 使用 Session Management 功能,管理数据库连接。
- 通过 Resource Manager Page 细致调控集群资源使用。
典型生态项目
在更广泛的 TiDB 生态中,TiDB Dashboard 与其他工具如 TiSpark、TiCDC 等紧密合作,共同提供一站式的数据处理解决方案。例如:
- TiSpark:允许 TiDB 与 Apache Spark 无缝对接,实现大数据分析能力。
- TiCDC:用于实时数据同步到其他系统,如 Kafka、MySQL,适合构建数据管道。
结合这些生态项目,TiDB Dashboard 不仅限于传统的数据库管理,还能在数据分析、实时流处理等多种场景下发挥重要作用。
以上就是 TiDB Dashboard 的基本使用指南,涵盖了从入门到进阶的关键步骤和应用场景。深入探索可以解锁更多高级功能以满足复杂环境下的管理需求。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00