如何设置Nginx指标与Telegraf集成，并配合InfluxDB进行长期趋势性数据分析？

本文共计1081个文字，预计阅读时间需要5分钟。

要使Nginx支持长期趋势分析（例如，分析过去6个月的5xx错误率或慢接口响应变化），不能仅依赖能出图的功能，而需从数据采集、存储结构、时间精度和保留策略四个环节一起设计。

核心是：

确保 Nginx 输出两类互补指标

Nginx 自身不直接暴露耗时分布或状态码明细，必须主动配置两个通道：

• 实时连接与请求统计（/nginx_status）：在 server 或 location 块中启用 stub_status，并单独监听一个端口（如 8088），确保 Telegraf 可以高频轮询（每 10 秒一次）。示例配置：
  location /nginx_status {
    stub_status on;
    allow 127.0.0.1;
    deny all;
  }
• 带毫秒级耗时的结构化日志：用 log_format 显式记录 $request_time 和 $upstream_response_time，并确保字段顺序与 Telegraf 的 grok 解析规则严格对齐。推荐最小化格式：
  log_format influx '$time_iso8601 $host $request_method $request_uri $status $body_bytes_sent $request_time $upstream_response_time $remote_addr';
  避免混入动态字段（如 cookie、referer），否则会大幅增加 InfluxDB 的 series cardinality，影响长期性能。

Telegraf 配置要点：分离采集 + 打标 + 过滤

不要把所有逻辑塞进一个 input 插件。建议拆成两个独立输入，再统一打标签：

• nginx_status 接口采集：使用 [[inputs.nginx]]，设置 response_timeout = "3s" 防超时卡死；添加 tags = { service = "nginx-api", env = "prod" }，便于后续按环境聚合。
• access 日志解析：用 [[inputs.tail]] + grok，关键点是：
  – from_beginning = false（上线后只读新增日志）
  – data_type = "float" 对 request_time 字段强制转浮点
  – 在 grok_patterns 中定义字段名与日志顺序完全一致，例如：
  "%{ISO8601:timestamp:ts-iso8601} %{DATA:host} %{WORD:method} %{URIPATHPARAM:request_uri} %{NUMBER:status:int} %{NUMBER:bytes:int} %{NUMBER:request_time:float} %{NUMBER:upstream_time:float} %{IP:client}"
• 统一添加时间戳与主机维度：在全局 [agent] 段设 round_interval = true，并用 [[processors.enum]] 将 status 映射为 “2xx”、“4xx”、“5xx” 分类字段，减少 Grafana 查询时的字符串计算开销。

InfluxDB 长周期存储关键设置

默认配置下，InfluxDB 会把所有数据存进 autogen retention policy，但这个策略不支持自动降采样，半年后查询会变慢。必须手动建 RP 并配 Continuous Query（CQ）或更推荐的 Task（v2.x+）：

• 创建分级保留策略：
  CREATE RETENTION POLICY "rp_7d" ON "nginxdb" DURATION 7d REPLICATION 1
  CREATE RETENTION POLICY "rp_90d" ON "nginxdb" DURATION 90d REPLICATION 1
  CREATE RETENTION POLICY "rp_730d" ON "nginxdb" DURATION 730d REPLICATION 1
• 为高频原始数据（如每秒日志）写入 rp_7d；同时用 Task 每小时聚合一次，生成分钟级平均 request_time、5xx 计数等指标，写入 rp_90d；再每天聚合一次写入 rp_730d。这样查一年趋势时，Grafana 直接查天级数据，不扫原始日志。
• 确认 max-series-per-database 足够高（至少 100 万），否则大量 host + uri 组合会触发 series limit 报错，导致数据丢失。

Grafana 查询与面板适配技巧

长周期看板不是简单拉时间范围，要注意三点：

• 在面板 Query 中显式指定 GROUP BY time($__interval)，让 Grafana 自动匹配当前时间范围选择的合理聚合粒度（比如看 30 天自动用 1h，看 1 年自动用 1d）。
• 对 request_time 做分位数分析时，别用 mean() —— 它会被慢请求严重拉偏。改用 percentile(95) 或 histogram() 函数，且确保底层数据已预聚合好（见上一步 Task）。
• 加一个“同比环比”辅助面板：用 InfluxQL 的 now() - 7d 或 Flux 的 date.subDuration() 拉前一周同时间段数据，叠在当前曲线上，比单看绝对值更容易识别异常波动。