没有单位的数字，由读的人自行臆测

一句话总结

没有写单位的数字，读的人会自己编出一个单位。而编出来的单位，往往偏向对那个人有利的一边。

为什么需要它

故障会议上，有人打开仪表板说：“延迟是 0.42。”会议室里一半人听成了 420 毫秒，另一半人听成了 0.42 毫秒。这两个数字相差一千倍，一个是事故，一个是自豪。对话又持续了大约 20 分钟，直到有人打开查询看了才结束。

这种错位并不是人粗心造成的。是因为界面只显示数字。Grafana 有给值加上单位的功能，但这个功能只有在我们告诉它这是什么的时候才会工作。如果什么也不说，Grafana 就原样画出数字，解读的责任留给看的人。

更糟的情况是写了单位，却写错了。没有单位时，人们至少还会怀疑一下。有了单位，就没有人怀疑了。如果给以秒为单位输出的查询加上毫秒单位，界面会自信地说“0.42 ms”，看到的人就会相信服务非常快。

工作原理

Grafana 的单位是显示规则，而不是转换规则。在面板的 fieldConfig.defaults.unit 中写下标识符后，Grafana 会用绑定在该标识符上的格式函数，把数字转换成字符串。值本身不会被改动。所以要让以秒为单位的值显示成毫秒，不是只改单位，而是必须在查询中乘以 1000。

标识符与界面上显示的名称不同。下拉框中写的是“Percent (0.0-1.0)”，但进入 JSON 的值是 percentunit。“bytes(IEC)”是 bytes，“bytes(SI)”是 decbytes。前者按 1024 相除并缩写为 GiB，后者按 1000 相除并缩写为 GB。同样的 4294967296，既可以显示为 4 GiB，也可以显示为 4.29 GB。哪一个正确，取决于生成这个数字的一方数的是什么。

比率也有两套。对 0 到 1 之间的值使用 percentunit，对 0 到 100 之间的值使用 percent。用 PromQL 得出的错误比率几乎总是前者，但面板上常常带着后者。这样，1.6% 的错误率在界面上就会显示成 0.016%。告警在响，而仪表板看起来风平浪静，这种状态就是这样产生的。

坐标轴是继单位之后第二种谎言的所在。Grafana 默认会根据数据自动设定 y 轴。如果每秒请求数在 34 到 75 之间浮动，轴也会设成 34 到 75，在这个范围内，线条会占满整个界面高度地起伏。实际上只相差两倍多一点，界面看起来却像悬崖。所以，对计数类面板，把最小值固定为 0 才是诚实的做法。标准选项文档中的 Min、Max 就是做这件事的位置。

相反，最大值不能随便固定。把最大值钉在 20 的请求数面板，即使流量涨到 75 的那天，也只会显示一条在 20 处被截平的天花板。事故总是发生在那条天花板之上，却不会留在界面上。如果只是不喜欢因波动小而显得线条扁平，就不要用硬性最大值，而是使用时间序列面板的 Soft min、Soft max。数据一旦超出该范围，轴会随之变宽，不会被截断。

有时也需要在一个面板中同时画出两个单位不同的东西。把延迟和错误比率叠在一起，问“变慢的时刻和失败增加的时刻是否相同”的面板就是这样。这时把整个面板的单位定为一个，只对其余序列通过覆盖（override）单独指定单位和轴的位置。时间序列面板文档写明，单位有两个以上时，第一个单位使用左轴，之后的单位使用右轴。如果不做覆盖直接叠在一起，两个序列就会共用一个轴，0.004 的比率在 0.3 的延迟旁边就会成为贴在底部的一条直线。

对数轴用于把大小相差悬殊的序列放进同一个界面。如果把每秒 42 次的处理器和每秒 6 次的处理器画在同一条线性轴上，较小一方的变化就看不见了。在对数轴上，相同的纵向距离表示相同的倍数，所以两者都能读出来。但也有所失。刻度之间的距离不再是数量的差值，所以无法用眼睛把面积相加；0 和负数根本画不出来；而且涨了两倍的事件和涨了十倍的事件看起来高度差相近。所以它不适合用来询问“增加了多少”的面板。

本实验有一件事无法判定——实际绘制出来的图像。这个 Pod 中的 Grafana 没有图像渲染器插件，无法把面板导出为图像。所以评分器只看仪表板 JSON 模型和查询结果。单位标识符是什么、轴的最小值是多少、查询实际给出什么值，这些都可以确认，但这样的组合在界面上是否可读，则无法确认。轴名称重叠被截断，或者图例盖住图表这类问题，需要自己用网页预览打开 3000 端口，用眼睛看。模型正确与界面可读是两回事。

在现场相遇的样子

有一个团队在内存使用量面板上用的是 SI 单位。容器限制是 4 GiB，界面却显示 4.29 GB，人们读成“还有余量”。当天夜里，那个 Pod 触及限制而死掉了。值从来没有错过，错的只是名称。

在另一个团队里，错误率面板连续几个月都用着 percent。即使实际错误率涨到 2% 的那天，界面显示的也是 0.02%。告警正常响了，但负责人看着仪表板，判断“告警好像响错了”而忽略了它。事故复盘时谈得最久的，不是告警规则，而是那一个单位字符。

下一项实验要做什么

启动真正的 Grafana，上传一个没有单位的面板，亲手写下这个数字可以被读成几种。接着给秒、比率、字节的面板填入 Grafana 的单位标识符，发出查询确认值的大小与单位是否匹配，并亲手确认要显示成毫秒需要乘以什么。区分必须把轴的最小值固定为 0 的地方，和不能固定最大值的地方，用覆盖把两个单位不同的序列放进同一个面板，使用对数轴之后写下失去了什么。最后拿到一个从生产环境取回的仪表板，把其中四个单位和轴的缺陷全部修正并提交——评分器会向 Grafana 询问修正后的仪表板，并实际发出面板的查询，看值与单位是否匹配。