基于Loki构建日志数量统计Grafana仪表盘的技术咨询

当然可以实现！完全不用依赖Prometheus的metrics，用Loki自带的查询语言（LQL）就能搞定，而且因为你的日志是结构化JSON格式，还能做精准的字段过滤，下面一步步给你拆解：

一、核心LQL查询写法 #

你的日志是标准JSON结构，Loki支持直接解析JSON字段来做精准过滤，比字符串匹配更可靠，避免误匹配。针对不同日志级别，对应的统计查询如下：

按时间统计单级别日志量（时间序列图用） #

这是最基础的查询，用来展示每个级别日志随时间的变化趋势：

• INFO日志：count_over_time({name="mycoolapp"} | json | level="INFO" [$__interval])
• ERROR日志：count_over_time({name="mycoolapp"} | json | level="ERROR" [$__interval])
• WARN日志：count_over_time({name="mycoolapp"} | json | level="WARN" [$__interval])
• DEBUG日志：count_over_time({name="mycoolapp"} | json | level="DEBUG" [$__interval])

每个部分的作用：

• {name="mycoolapp"}：先通过标签过滤指定你的应用日志，这一步很重要，能大幅缩小查询范围，提升性能
• | json：告诉Loki把日志内容解析成JSON字段
• level="INFO"：精准过滤出level字段为INFO的日志
• count_over_time(...) [$__interval]：按Grafana自动适配的时间间隔，统计每个时间窗口内的日志数量

统计多级别日志总数（统计面板用） #

如果想在一个面板里展示所有级别的日志总数，可以用分组统计：

sum(count_over_time({name="mycoolapp"} | json | level=~"INFO|ERROR|WARN|DEBUG" [$__interval])) by (level)

这个查询会自动按level分组，返回每个级别的日志总量。

二、Grafana仪表盘配置步骤 #

1. 确认Loki数据源：先确保你的Grafana已经添加并配置好了Loki数据源，能正常连接到你的Loki实例
2. 新建时间序列面板：这是用来模拟你之前用Prometheus的那种趋势图的核心面板
   • 依次添加上面的4个单级别查询
   • 给每个查询设置别名（比如把第一个查询的别名改成「INFO日志数」），这样图表的图例会更清晰
   • 调整图表样式：比如设置线条颜色区分不同级别（比如ERROR用红色），开启图例显示
3. 添加统计面板：用「Stat」或「Gauge」类型的面板，展示各级别日志的总数或实时数量
   • 用上面的多级别分组查询，设置面板类型为「Stat」，就能按level展示每个级别的总数
   • 可以单独做一个Gauge面板专门展示ERROR日志数，方便快速识别异常
4. 调整时间范围：根据你的需求设置仪表盘的默认时间范围（比如最近1小时、最近6小时等），Grafana会自动适配$__interval变量

三、性能优化小技巧 #

• 提前提取标签：如果你的日志采集器（比如Promtail）支持在采集阶段就把level字段提取为Loki的标签，那查询会更高效——比如直接用count_over_time({name="mycoolapp", level="INFO"} [$__interval])，不用在查询时解析JSON
• 缩小查询范围：永远先通过服务名、实例名等标签过滤日志，避免全量扫描Loki的所有数据，这对查询速度影响很大
• 合理设置时间间隔：如果是看长期趋势（比如最近7天），可以手动把时间间隔调大（比如1h），减少数据点数量，提升渲染速度

这样一套配置下来，你就能得到和用Prometheus metrics几乎一样的日志统计仪表盘了，完全基于Loki的原始日志数据。

备注：内容来源于stack exchange，提问作者PatPanda