speedtest 的安装和配置教程
2025-05-25 12:14:29作者:滑思眉Philip
项目基础介绍
speedtest 是一个使用 Docker 容器来测试网络带宽的开源项目。它可以周期性地运行,并将测试结果保存到 InfluxDB 数据库中,便于后续的视觉化展示或长期记录。该项目主要使用 Shell 脚本和 Dockerfile 进行编程。
项目使用的关键技术和框架
- Docker:用于创建容器化环境,确保软件能在不同系统中一致运行。
- Shell 脚本:用于编写测试网络带宽的脚本。
- InfluxDB:一个时间序列数据库,用于存储和检索时间标记的度量数据。
- Grafana:一个用于可视化数据的开源平台,可以与 InfluxDB 配合使用。
准备工作
在开始安装和配置之前,请确保以下环境已经安装在您的系统上:
- Docker
- Docker Compose
- InfluxDB
- Grafana
安装步骤
-
克隆项目仓库 首先,需要从 GitHub 上克隆
speedtest项目到本地:git clone https://github.com/robinmanuelthiel/speedtest.git cd speedtest -
构建 Docker 镜像(如果需要) 如果没有现成的 Docker 镜像,可以通过以下命令构建:
docker build -t robinmanuelthiel/speedtest . -
运行 speedtest 容器 使用以下命令运行
speedtest容器:docker run --rm robinmanuelthiel/speedtest:latest运行结果将显示您的下载速度、上传速度和延迟。
-
配置周期性测试 如果需要周期性运行测试,可以设置环境变量
LOOP为true,并指定LOOP_DELAY为希望的延迟时间(单位:秒):docker run --rm -e LOOP=true -e LOOP_DELAY=60 robinmanuelthiel/speedtest:latest -
将结果保存到 InfluxDB 如果要将结果保存到 InfluxDB,请确保
DB_SAVE环境变量设置为true,并配置正确的数据库连接信息:docker run --rm -e DB_SAVE=true -e DB_HOST=http://localhost:8086 -e DB_NAME=speedtest -e DB_USERNAME=admin -e DB_PASSWORD=password robinmanuelthiel/speedtest:latest -
使用 Grafana 可视化数据 若要使用 Grafana 可视化数据,首先确保 Grafana 和 InfluxDB 均已启动。然后,在 Grafana 中添加 InfluxDB 作为数据源,并创建一个新的仪表板,配置相应的查询以显示网络速度。
通过以上步骤,您可以成功安装和配置 speedtest 项目,并利用 Docker 容器来测试和记录您的网络带宽。
登录后查看全文
热门项目推荐
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
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
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
HunyuanVideo-1.5暂无简介00
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-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
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
614
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.17 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
260
92
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
646
255