了解各種 Visualization 後，我們的視覺化之路是否就一帆風順了呢？

前面介紹的各種範例之所以能夠順利呈現，主要是因為使用了 Test Data 中預先定義好的資料，或者是用 CSV Content 直接提供符合格式的資料。然而，在實務操作中，資料格式往往不符合 Visualization 的需求，因此需要進行調整才能讓它們正確顯示。這時候我們有兩個選擇：

1. 使用 Data Source 本身的查詢語法：例如 SQL 的各種 Join 或計算功能，但這些操作僅限於資料源本身提供的功能，且無法跨資料源處理。
2. 使用 Grafana 中的 Transform 功能：例如之前使用的 Convert field type 將字串欄位轉為 Grafana 能夠辨識的時間欄位。

Transform 可以在 Panel 的 Query 設定中找到，新增的畫面會提供簡單的示意圖，讓我們快速了解 Transform 的效果。

新增 Transform 後，可以任意調整其順序，並透過啟用和關閉功能來觀察 Transform 的影響。

Transform 主要操作的是 Table 資料。為避免混淆，本文中使用以下術語：

• Row：代表一筆橫向資料。
• Column：代表一個直向欄位（field）。
• Cell：代表某筆資料中的特定欄位值。

此小節的範例與練習位於 Lab 的 10 - Transform Dashboard 中，可參考最下方的 Lab 章節說明啟動。

Filter

各種篩選操作包括：

• Filter data by values：根據 Cell 值篩選掉不需要的 Row。
• Filter data by name：根據 Column 名稱篩選掉不需要的 Column。
• Limit：限制顯示的資料筆數。

Reorder and rename

適當地排序 Column 或 Cell 值，並重新命名 Column 名稱，能提供更好的瀏覽體驗：

• Organize fields by name：調整 Column 順序，修改 Column 顯示名稱，或選擇是否顯示特定欄位。
• Rename fields by regex：透過正則表達式更改 Column 名稱，例如移除 Column 名稱中的底線。
• Sort by：根據 Cell 值進行排序。

Calculate new fields

依據原有資料計算出新的資料欄位：

• Reduce：計算每個 Column 的數值，例如最大值、最小值、平均值和百分位數等。
• Add field from calculation：支援多種計算方式，並將結果作為新欄位。
  • Row index：每個 Row 的 Index。
  • Reduce row：對每個 Row 進行計算，例如最大值、最小值或平均值。
  • Cumulative functions：對 Row 逐筆進行累積計算，計算總和或平均值。
  • Window functions：對 Row 逐筆進行滑動窗口（Sliding Window）計算，例如計算平均值、變異數或標準差。

Reformat

對資料進行格式調整或表格拆分：

• Convert field type：轉換整個 Column 的資料格式，常見應用是將字串型的時間欄位轉換成時間格式，讓 Grafana 的其他 Visualization 可以識別。
• Partition by values：選定 Column 根據 Cell 值將資料分組，可以將一組大表拆成多個分頁。

Combine

將多組資料整合成一組資料，或對單組資料進行彙整：

• Concatenate fields：將多個 Table 橫向連接，若 Column 名稱重名，會自動加上序號。
• Group by：根據 Column 彙整資料，可以計算值或列出清單。
• Join by field：選定 Column 根據 Cell 值將資料 Join，有 Outer Join 和 Inner Join。
• Join by labels：在一些沒有 Column 概念的資料會使用 Label 來當作他們的欄位名稱，例如 Prometheus Metrics，可以選定 Label 後進行 Join。
• Series to rows：將多組時間序列相連，結果會根據時間排序。
• Merge series/tables：將多組時間序列根據時間合併，作為新欄位值。

Lab 練習

了解 Transform 的各種功能後，現在可以嘗試將 10 - Transform Dashboard 中的 Practice Row 調整成右邊的樣子。

如果想要自己嘗試各種 Transform 的效果，在 Dashabord 最上方的 Data Row 有 ChatGPT 熱情提供的各種資料，可以自行嘗試各種 Transform 的效果。

Lab

範例程式碼：https://github.com/blueswen/grafana-zero-to-hero/tree/main/03-dashboard

此 Lab 會建立

1. cAdvisor：收集 Container 資料
2. Node Exporter：收集運行的機器（Node）的資料
3. Prometheus：採集 cAdvisor、Node Exporter 的 Metrics
4. Grafana：
   1. 操作各種預先建立的 Visualization 示範與練習 Dashboard
   2. 查詢與顯示 Prometheus 採集到的 Metrics

Quick Start

1. 啟動所有服務

   docker-compose up -d
   

2. 檢視服務

   1. Grafana: http://localhost:3000，登入帳號密碼為 admin/admin
      1. 點擊左上 Menu > Dashboards > Provision Dashboards 即可選擇預先建立的 Dashboard

3. 關閉所有服務

   docker-compose down
   

小結

透過 Transform 功能，我們可以將資料轉換成符合 Visualization 要求的格式，還能夠靈活組合使用，達到更好的呈現效果。不過需要注意的是，Transform 只能應用在 Dashboard 中，後續介紹的 Alerting 功能無法使用 Transform，因為 Transform 主要是為了視覺化而設計的功能。