FreeRADIUS服务器中AcctSessionTime重置问题分析
问题背景
在使用FreeRADIUS 3.0.26与MySQL 8.0.35配合Ruckus无线控制器搭建的认证系统中,发现了一个关于会话时间统计的异常现象。当用户设备断开Wi-Fi连接后重新连接时,radius.radacct表中的AcctSessionTime会被重置,而不是继续累计。
问题现象
系统配置采用热点SSID结合认证门户页面,认证和计费指向FreeRADIUS服务器。无线控制器设置为每10分钟向RADIUS计费服务器发送一次计费更新。具体表现为:
- 用户首次连接Wi-Fi并完成认证后,系统正常记录会话时间
- 10分钟后无线控制器发送计费更新,数据库中的acctsessiontime正确显示为600秒(10分钟)
- 当用户断开Wi-Fi1分钟后重新连接时,acctsessiontime会被重置为小于600的值
- 预期行为应是保持原有会话时间继续累计
技术分析
这个问题本质上与FreeRADIUS处理会话唯一标识(Acct-Unique-Session-Id)的方式有关。在默认配置中:
- FreeRADIUS依赖acctuniqueid字段作为会话记录的唯一标识
- 数据库表中设置了UNIQUE KEY约束确保acctuniqueid唯一性
- 当设备重新连接时,无线控制器可能生成相同的acctuniqueid
- 由于唯一键约束,系统会尝试更新现有记录而非创建新记录
- 这导致会话时间被重置而非累计
解决方案
针对这一问题,可以采用以下技术方案:
-
修改数据库结构: 移除radius.radacct表中的"UNIQUE KEY acctuniqueid (acctuniqueid)"约束,允许多条记录共享相同的acctuniqueid
-
调整SQL查询逻辑: 修改/etc/freeradius/3.0/mods-config/sql/main/mysql/queries.conf文件中的所有涉及AcctUniqueId条件的查询语句,确保总是操作最新的会话记录
-
具体查询修改: 将原有条件"WHERE AcctUniqueId = '%{Acct-Unique-Session-Id}'" 修改为"WHERE AcctUniqueId = '%{Acct-Unique-Session-Id}' and radacctid = (select * from (select max(radacctid) from ${....acct_table2} where AcctUniqueId = '%{Acct-Unique-Session-Id}') as a)"
-
服务重启: 修改完成后需要重启FreeRADIUS服务使配置生效
实现原理
该解决方案通过以下方式解决问题:
- 移除唯一约束允许系统为同一设备创建多条会话记录
- 通过子查询确保总是操作最新(radacctid最大)的会话记录
- 这样当设备断开后重新连接时,系统会创建新记录而非更新旧记录
- 计费更新时仍能正确关联到最新的会话记录
- 最终实现会话时间的正确累计
注意事项
实施此解决方案时需要注意:
- 修改前应备份数据库和配置文件
- 生产环境建议先在测试环境验证
- 修改后需要监控系统性能,子查询可能增加数据库负载
- 确保无线控制器的配置与FreeRADIUS修改相匹配
- 长期解决方案应考虑升级到支持更好会话管理的新版本
这种解决方案特别适用于使用Ruckus等无线控制器与FreeRADIUS集成的场景,能够正确处理设备断开重连时的会话时间统计问题。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00