Kuvasz 监控服务 API 接口详解
项目概述
Kuvasz(发音为"koovas")是一款开源的在线状态和SSL证书监控服务,提供全面的API接口用于管理监控任务、获取监控数据以及配置系统设置。本文将详细介绍Kuvasz的API功能和使用方法。
API 基础信息
Kuvasz API遵循OpenAPI 3.0.1规范,所有接口都需要API密钥进行认证。API主要分为三大类操作:
- 管理操作(Management operations)
- 监控操作(Monitor operations)
- 设置操作(Settings operations)
监控操作 API
获取监控列表
端点:GET /api/v1/monitors
此接口返回所有监控任务的详细信息,支持以下查询参数进行筛选:
enabled:布尔值,筛选启用/禁用的监控uptimeStatus:数组,按在线状态筛选sslStatus:数组,按SSL状态筛选sslCheckEnabled:布尔值,筛选启用/禁用SSL检查的监控
响应:返回MonitorDetailsDto数组,包含每个监控任务的完整信息。
创建监控任务
端点:POST /api/v1/monitors
创建新的监控任务需要提供以下必填字段:
name:监控名称(最小长度1)url:监控URL(需符合URL格式)uptimeCheckInterval:检查间隔(秒,最小5)
可选字段包括:
enabled:是否启用(默认true)sslCheckEnabled:是否启用SSL检查(默认false)requestMethod:HTTP方法(默认GET)- 以及其他监控配置选项
注意:如果系统配置为从YAML文件加载监控任务,此接口将返回405错误。
导出监控配置
端点:GET /api/v1/monitors/export/yaml
以YAML格式导出所有监控任务的配置,便于备份或迁移。
获取监控统计
端点:GET /api/v1/monitors/stats
获取所有监控任务的累计统计数据,支持period参数指定统计周期(默认为7天)。
单个监控操作
端点:/api/v1/monitors/{monitorId}
支持以下操作:
GET:获取指定监控的详细信息DELETE:删除指定监控PATCH:更新监控配置(仅更新请求中包含的字段)
监控事件查询
Kuvasz提供以下事件查询接口:
GET /api/v1/monitors/{monitorId}/ssl-events:获取SSL相关事件GET /api/v1/monitors/{monitorId}/uptime-events:获取在线状态事件GET /api/v1/monitors/{monitorId}/stats:获取单个监控的统计数据
系统管理 API
健康检查
端点:GET /api/v1/health
返回服务健康状态:
- 200:服务正常运行
- 503:服务不可用
系统设置
端点:GET /api/v1/settings
获取当前系统设置信息。
数据模型说明
MonitorDetailsDto
监控任务详细信息,包含:
- 基本信息(ID、名称、URL等)
- 状态信息(在线状态、SSL状态)
- 时间信息(创建时间、最后检查时间等)
- 配置信息(检查间隔、HTTP方法等)
- 集成信息(通知集成配置)
MonitorCreateDto/MonitorUpdateDto
用于创建/更新监控任务的数据传输对象,包含可配置的所有监控参数。
状态枚举
UptimeStatus:在线状态(UP/DOWN/UNKNOWN)SslStatus:SSL状态(VALID/INVALID/EXPIRING/EXPIRED)HttpMethod:HTTP方法(GET/HEAD)
最佳实践
-
监控创建:创建监控时建议先设置较长的检查间隔(如60秒),确认无误后再调整为实际需要的频率。
-
错误处理:所有API都可能返回400/404/405等错误,客户端应妥善处理这些响应。
-
批量操作:获取监控列表时可以使用筛选参数减少数据传输量。
-
监控更新:使用PATCH方法更新监控时,只需发送需要修改的字段,未包含的字段将保持不变。
总结
Kuvasz提供了一套完整的API接口,使开发者能够轻松集成监控功能到自己的系统中。通过合理使用这些API,可以实现监控任务的自动化管理、实时状态查询以及历史数据分析等功能。
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