Nightingale仪表盘匿名访问配置指南
2025-05-21 00:54:43作者:翟萌耘Ralph
Nightingale作为一款开源的监控告警系统,提供了强大的仪表盘功能。在实际使用中,我们经常需要将某些仪表盘公开分享给外部用户查看,这就涉及到匿名访问的配置问题。本文将详细介绍如何正确配置Nightingale仪表盘的匿名访问功能,并解答相关常见问题。
匿名访问的核心配置
要实现Nightingale仪表盘的匿名访问,仅在前端界面设置"公开"和"允许匿名访问"是不够的。系统后端还有一个关键配置项需要修改:
在Nightingale的配置文件中,必须将PromQuerier选项设置为true,这样才能真正启用匿名访问功能。这个配置项控制着Prometheus查询器的访问权限,如果保持默认的false,即使前端设置了匿名访问,系统仍然会返回401未授权状态。
常见问题解析
-
组件菜单隐藏问题
分享出去的仪表盘页面默认会显示图表组件的操作菜单,如"分享"、"排查"等功能。这些功能对于匿名用户来说可能不需要,但目前开源版本没有直接的前端配置选项来隐藏这些菜单。有经验的开发者可以通过搜索相关代码关键字找到对应的前端组件进行修改。 -
数据源扩展问题
Nightingale开源版本主要支持Prometheus、Elasticsearch和Loki等时序数据库作为数据源。对于需要从MySQL等关系型数据库获取数据的需求,这是商业版本才提供的功能,开源版本暂不支持。同样,自定义接口数据源在开源版本中也没有直接支持。
最佳实践建议
-
在生产环境中启用匿名访问前,务必评估安全风险,确保不会泄露敏感数据。
-
对于需要隐藏组件菜单的需求,可以考虑以下方案:
- 修改前端代码,条件性渲染菜单
- 使用CSS样式隐藏特定元素
- 创建专门的只读视图模板
-
对于需要接入其他数据源的需求,可以考虑:
- 使用Prometheus的exporter将其他数据源的数据转换为Prometheus格式
- 开发自定义插件或中间件
- 评估升级到商业版本的必要性
通过正确配置和合理使用,Nightingale可以满足大多数监控可视化需求,包括安全的匿名访问场景。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137