用途：这是一份指导文档，说明如何通过 Grafana MCP 工具监控与诊断 PostHog Node.js 事件摄取流水线（nodejs/）的生产运行状况，用于排查事件延迟（lag）、事件丢弃与流水线异常。
背景与能力：该摄取层从 Kafka 消费 capture 服务产生的事件，经过人员解析、分组归属、属性覆盖等处理步骤后，向写入 ClickHouse 的 Kafka topic 输出增强事件。同一套代码通过 posthog-app Helm chart 以多个 K8s Deployment 部署，指标按 ingestion_pipeline（analytics、heatmaps、clientwarnings、errortracking）与 ingestion_lane（main、overflow、historical、async、turbo）标签区分。文档强调应使用 Grafana MCP 工具动态发现实时指标，而非死记随代码变化的指标名。
使用方式：Grafana MCP 每次仅连接单个 Grafana 实例，即单个环境；未指定时需询问用户要排查 prod-us（us-east-1）还是 prod-eu（eu-central-1）。跨环境比较需切换 Grafana 实例，无法在同一会话完成。文档列出了各可观测域的数据源 UID 与发现工具，如应用指标用 victoriametrics 的 list_prometheus_metric_names，日志须用 Loki-logs（P44D702D3E93867EC），避免使用主 Loki（P8E80F9AEF21F6940）和 CloudWatch Root（PAAE47F430CFD1449）。
后续内容还涵盖部署角色、指标前缀、Redis 拓扑、Kafka 拓扑、Postgres 拓扑、ClickHouse 拓扑、Pyroscope 服务以及关键健康信号等。
限制：跨环境比较需切换实例；ingestion-analytics-turbo 仅存在于 prod-us；不同环境 topic 分区数、集群 ID 与端点后缀不同；部分指标与集群角色（如 batch-exports、test）可能仅存在于单一环境。其余细节未在资料中完整展开。