10分钟上手VictoriaMetrics：从数据采集到自定义仪表盘全流程

你是否还在为监控系统数据可视化烦恼？本文将带你快速掌握VictoriaMetrics数据采集、存储与可视化全流程，10分钟内搭建专属监控仪表盘，让复杂 metrics 数据秒变直观图表。

核心组件与工作流

VictoriaMetrics采用分布式架构设计，核心组件包括：

• vmagent：数据采集器，支持Prometheus、InfluxDB等多种协议
• vmstorage：高性能时序数据存储引擎
• vmselect：查询处理节点，支持MetricsQL扩展查询
• vmui：内置Web界面，提供基础数据可视化能力

工作流程：

1. 数据通过vmagent采集并发送至vmstorage
2. vmselect处理用户查询请求
3. 结果通过Grafana或vmui可视化展示

快速部署与数据采集

单节点部署（适合测试环境）

# 下载最新版本
wget https://github.com/VictoriaMetrics/VictoriaMetrics/releases/download/v1.119.0/victoria-metrics-linux-amd64-v1.119.0.tar.gz
tar xzf victoria-metrics-linux-amd64-v1.119.0.tar.gz

# 启动服务
./victoria-metrics-prod -storageDataPath=/var/lib/victoriametrics

配置数据采集

创建基础配置文件prometheus.yml：

scrape_configs:
  - job_name: 'node_exporter'
    static_configs:
      - targets: ['localhost:9100']

启动vmagent并加载配置：

./vmagent-prod -promscrape.config=prometheus.yml -remoteWrite.url=http://localhost:8428/api/v1/write

官方配置指南：scrape_config_examples.md

Grafana仪表盘配置

基础仪表盘导入

1. 登录Grafana，添加VictoriaMetrics数据源

   • 类型：Prometheus
   • URL：http://localhost:8428
   • 名称：VictoriaMetrics

2. 导入官方仪表盘：

   • 单节点监控：victoriametrics.json
   • 集群监控：victoriametrics-cluster.json
   • Agent监控：vmagent.json

自定义指标面板

创建CPU使用率趋势图：

1. 点击"Add panel"
2. 输入MetricsQL查询：

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

3. 设置单位为%，标题为"CPU使用率"
4. 调整可视化样式为面积图

常用指标参考：MetricsQL.md

高级可视化技巧

查询性能分析

启用查询统计功能，优化慢查询：

# 启动时添加参数
./victoria-metrics-prod -search.logSlowQueryStats=1s

使用专用仪表盘分析查询性能：query-stats.json

多维度数据展示

利用变量实现交互式仪表盘：

1. 添加实例选择变量：

   label_values(node_uname_info, instance)
   

2. 在查询中引用变量：

   node_memory_usage_percent{instance=~"$instance"}
   

最佳实践与资源

性能优化建议

• 合理设置数据保留期：-retentionPeriod=30d
• 使用降采样减少存储：-downsampling.period=5m:1d,1h:30d
• 配置适当的缓存大小：-storage.cacheSize=20%

官方最佳实践：BestPractices.md

学习资源

• 快速入门指南：Quick-Start.md
• 视频教程：Articles.md
• 社区案例：CaseStudies.md

---

动手实践：现在就尝试导入官方仪表盘，添加你的第一个自定义指标面板！如有疑问，可查阅FAQ.md或提交issue到社区仓库。

下期预告：深入MetricsQL高级查询与告警配置