Speedtest-Tracker API 数据格式变更解析与HomeAssistant集成方案
2025-06-20 12:12:12作者:范垣楠Rhoda
背景介绍
Speedtest-Tracker是一款用于监控网络连接状态的实用工具,它通过定期执行Speedtest测试来记录网络性能指标。近期该项目进行了API的重大更新,从旧版API迁移到了新版v1 API,这给使用旧版API集成的用户(如HomeAssistant用户)带来了一些适配需求。
API数据格式对比
旧版API特点
旧版API直接返回经过转换的"人类友好"数据格式,例如:
- 下载/上传速度以Mbps为单位
- 服务器信息直接平铺在数据结构中
- 结果URL直接可访问
新版API改进
新版API采用了更规范的数据结构:
- 原始数据保留:保持从Ookla Speedtest CLI获取的原始字节数据
- 结构化嵌套:服务器信息和测试结果分别放在独立对象中
- 多种格式支持:同时提供原始字节、比特值及人类可读格式
关键变更点解析
1. 速度单位处理
新版API最大的变化是速度值的表示方式:
download/upload:原始字节值(Byte)download_bits/upload_bits:转换为比特值(bit)download_bits_human/upload_bits_human:自动转换的最高量级格式(如Mbps)
这种设计保留了原始数据精度,同时提供多种转换选项,满足不同使用场景。
2. 服务器信息位置
服务器相关信息从原来的平铺结构改为嵌套在server对象中:
"server": {
"id": 52365,
"host": "speedtest.ams.t-mobile.nl",
"name": "Odido",
"location": "Amsterdam"
}
3. 测试结果信息
测试结果元数据现在位于result对象中:
"result": {
"id": "a7570e25-REDACTED",
"url": "https://www.speedtest.net/result/c/a7570e25-REDACTED"
}
HomeAssistant集成方案
对于使用HomeAssistant REST传感器的用户,需要调整配置以适应新版API:
- 速度值转换:在value_template中进行单位转换
- 属性路径调整:使用json_attributes_path指向正确的数据结构位置
- 认证支持:新版API可能需要授权头部
示例配置
- platform: rest
name: SpeedTest Download
resource: http://[IP]:[PORT]/api/v1/results/latest
headers:
Authorization: "Bearer YOUR_TOKEN"
value_template: >
{{ (value_json['data']['download_bits'] | float / 1000000) | round(2) }}
json_attributes_path: "$.data.data"
json_attributes:
- "server"
- "result"
unit_of_measurement: Mb/s
配置说明
- 单位转换:将比特值除以1000000转换为Mbps,保留2位小数
- 属性访问:通过json_attributes_path正确指向嵌套的数据结构
- 历史数据兼容:保持与旧版相同的单位(Mb/s),确保历史数据连续性
最佳实践建议
- 数据存储考虑:直接存储比特值可保持最大精度,便于后续分析
- 显示优化:在前端展示时使用人类可读格式提升用户体验
- 错误处理:增加API调用超时设置,避免因网络问题导致传感器不可用
- 频率控制:合理设置scan_interval,平衡数据实时性和系统负载
通过以上调整,用户可以平滑过渡到新版API,同时保持监控系统的稳定性和数据连续性。这种结构化设计也为未来的功能扩展提供了更好的基础。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322