Heatmap
Тема дорожной карты · Grafana
Панель Heatmap в Grafana визуализирует плотность данных по двум измерениям — обычно времени по оси X и ценовым корзинам по оси Y, — используя интенсивность цвета для отображения частоты или величины. Это идеально для анализа распределений задержек и гистограмм длительности запросов. При использовании метрики гистограммы Prometheus панель Heatmap может отображать полное распределение времён ответа по всем корзинам, раскрывая хвостовые задержки и бимодальные распределения, которые скрыло бы простое среднее или линия p99. В редакторе панели Heatmap параметр Calculate from data позволяет Grafana автоматически разбивать сырые значения временных рядов на корзины наподобие гистограммы, тогда как Use pre-bucketed data используется, когда источник данных уже возвращает количества по корзинам (например, метрики Prometheus с суффиксом _bucket). Выбор цветовой схемы в панели Heatmap важен для наглядности и доступности: встроенные дивергирующие и последовательные палитры вроде Oranges или Spectral интуитивно отображают диапазоны плотности от низкого к высокому. Grafana позволяет настраивать размер зазора между ячейками, масштаб оси Y (линейный или логарифмический) и минимальные/максимальные цветовые пороги непосредственно в параметрах панели Heatmap.
Как это работает
Heatmap: типы панелей — Time series (дефолт), Bar chart, Pie, Heatmap, Stat, Gauge, Table, Logs, Trace view, Geomap, Node graph. У каждого свои опции: legend, axes, thresholds, color schemes, value mappings. Field overrides применяют конкретные опции к конкретным series (например "сделать error-series красной"). Transformations обрабатывают результаты запросов до визуализации. Repeat panel/row по переменной — генерация N панелей из одного определения.
Когда применять
Time series — для любой over-time метрики; рабочая лошадка. Stat или Gauge — для заметного "текущего значения". Table — для структурированных сравнений по измерениям. Heatmap — для распределений (latency over time). Избегайте Pie charts в дашбордах — плохо читаются на маленьких размерах.
Типичные ошибки
Ловушки Heatmap: legend с 50+ series (нечитаемо — фильтруйте, агрегируйте или Top N); auto-scaling Y-оси прячет маленькие изменения (задавайте min/max); неверные thresholds для gauge (max gauge сильно выше реалистичного значения делает цвета бессмысленными).