文档摘要

4.1 生产级推理监控看板：概览层、服务层、实例层的递进下钻 我见过最夸张的反例：一个团队的 Grafana 看板有 47 个 dashboard，其中一个"总览"看板堆了 30 多个图卡，密密麻麻像炒股软件。值班时根本抓不住重点——故障发生时，要在 30 个图卡里找出哪个异常，眼睛都看花了。后来我们重构成三层递进结构，值班从"全局异常"到"哪个节点的什么指标爆了"，30 秒内能完成下钻，MTTR（平均恢复时间）直接降了一半。 这一节给一套能直接落地的推理监控看板组织法。核心思想是分层——不能把所有图卡堆在一个面板，要按"概览→服务→实例"三层递进，让值班工程师能快速从宏观异常下钻到微观根因。 看板为什么要三层递进 生产级监控看板必须分层，这是由"值班排障"这个核心场景决定的。

---