Higress项目中Token监控数据缺失的原因与解决方案
问题背景
在使用Higress项目时,用户通过Helm部署完成后发现AI Gateway Dashboard中的Token监控数据始终显示为0,而其他监控指标则正常显示。这种情况通常发生在没有正确配置AI相关插件的情况下。
根本原因分析
Token监控数据的缺失并非系统故障,而是由于部署时缺少必要的配置项。Higress的Token监控功能依赖于AI统计插件(ai-statistics)的支持,该插件需要显式启用才能正常工作。
解决方案详解
要解决Token监控数据缺失的问题,需要采取以下步骤:
-
确认部署命令:确保使用正确的Helm部署命令,包括必要的参数设置:
helm install higress -n higress-system higress.io/higress --create-namespace --render-subchart-notes --set global.o11y.enabled=true --set global.enableRedis=true -
启用AI统计插件:这是最关键的一步。AI统计插件负责收集和处理Token相关的监控数据,必须显式配置才能激活Token监控功能。
-
验证配置生效:部署完成后,通过AI Gateway Dashboard检查Token监控数据是否开始正常显示。
技术实现原理
Higress的Token监控功能基于插件机制实现。AI统计插件会拦截API请求,提取Token相关信息并进行统计处理,然后将数据推送到监控系统。当插件未启用时,系统无法获取这些中间数据,导致监控面板显示为0。
最佳实践建议
-
部署前规划:在部署Higress前,应明确是否需要Token监控功能,如需使用则应在部署时一并配置相关插件。
-
监控完整性检查:部署完成后,应全面检查各项监控指标是否正常显示,及时发现类似Token监控缺失的问题。
-
文档查阅:对于Higress的各项功能,特别是插件相关功能,应仔细阅读官方文档了解其依赖关系和配置要求。
总结
Higress项目中Token监控数据的缺失通常是由于AI统计插件未正确配置所致。通过理解其工作原理并按照正确步骤配置,可以轻松解决这一问题。这种模块化设计使得Higress既保持了核心功能的简洁性,又通过插件机制提供了强大的扩展能力。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00