核心是cadvisor采集→prometheus存储→grafana可视化闭环：cadvisor监听8080端口暴露/metrics，prometheus通过static_configs抓取localhost:8080，grafana用container_cpu_usage_seconds_total等指标构建时间序列、状态统计与异常表格面板。
直接用 Grafana 搭容器监控大屏，核心是把 Docker 的运行指标“采上来、存得住、画得清”。关键不在组件堆得多，而在数据链路是否闭环：cAdvisor 采集 → Prometheus 存储 → Grafana 可视化。整个过程不依赖复杂插件，本地单机环境也能跑通。
确保指标源头可用
Docker 本身不直接暴露 Prometheus 兼容的 metrics，需借助 cAdvisor（Google 开发的容器监控代理）来补足。它默认监听 8080 端口，提供 /metrics 接口，内容是标准的 Prometheus 格式文本。启动方式很简单：
- 运行命令：
docker run -d --name=cadvisor -p 8080:8080 --privileged --volume=/:/rootfs:ro --volume=/var/run:/var/run:ro --volume=/sys:/sys:ro --volume=/var/lib/docker/:/var/lib/docker:ro google/cadvisor:latest - 验证是否就绪：浏览器访问 http://localhost:8080/metrics，能看到大量以 container_ 开头的指标，比如
container_cpu_usage_seconds_total、container_memory_usage_bytes - 注意权限：--privileged 和多 volume 挂载是必需的，否则 cAdvisor 无法读取底层容器统计信息
Prometheus 正确抓取容器指标
cAdvisor 只是数据源，Prometheus 才负责定时拉取并存储。在 prometheus.yml 中添加 job 即可：
- 配置示例：
scrape_configs: - job_name: 'cadvisor' static_configs: - targets: ['localhost:8080'] - 重启 Prometheus 后，访问 http://localhost:9090/targets，确认 cadvisor 状态为 UP
- 在 Graph 页面试查：
container_cpu_usage_seconds_total{container!="",image!=""}，应返回多条时间序列；用sum by (container)(rate(container_cpu_usage_seconds_total[1m]))可算出各容器每秒 CPU 使用量
Grafana 面板设计贴合容器场景
不是所有图表都适合容器监控。重点突出动态性、对比性和异常感知：
- CPU / 内存趋势：用 Time series 图，开启 Stacking 模式，叠加显示所有容器的使用量，一眼看出资源分布和总量变化
-
容器数量与状态：Stat 面板 + Sparkline，查询
count by (state)(container_last_seen)，实时反映 running/exited/stopped 容器数 -
高频异常定位：用 Table 面板，查询
container_status{state="exited"} == 1，配合排序和自动刷新，快速发现反复退出的容器 - 避免堆砌：单个面板只聚焦一个维度（如按 image、按 name、按 namespace），用变量（Variable）做下拉筛选，比硬编码 target 更灵活
补充建议提升实用性
大屏不只是好看，更要能辅助判断：
- 设置自动刷新（如 10s），确保数据实时滚动
- 加一条基准线：比如内存使用率 > 85% 标红，CPU 平均 > 1.5 核标黄，让阈值一目了然
- 导出常用面板为 JSON，团队内共享复用，避免重复配置
- 若用 Kubernetes，直接部署 kube-state-metrics + node-exporter，指标更全（如 Pod 生命周期、调度状态），但原理与上述一致
