NetBox Topology Views 插件项目推荐
2026-01-21 04:12:25作者:乔或婵
1. 项目基础介绍和主要编程语言
NetBox Topology Views 是一个开源的 NetBox 插件,主要用于绘制网络拓扑视图。NetBox 是一个开源的 IP 地址管理(IPAM)和数据中心基础设施管理(DCIM)工具。该项目的主要编程语言是 Python,它利用了 NetBox 的插件机制来扩展其功能。
2. 项目核心功能
NetBox Topology Views 插件的核心功能包括:
- 拓扑视图绘制:根据 NetBox 中创建的设备和电缆连接,自动生成网络拓扑图。
- 过滤功能:支持根据设备名称、站点、标签和设备角色进行过滤,以便用户可以自定义显示的拓扑视图。
- 导出功能:可以将生成的拓扑视图导出为 XML 格式(适用于 draw.io/diagrams.net)或 PNG 格式。
- 坐标保存:支持保存设备的坐标,以便在下次查看时保持相同的布局。
- 自定义图像:允许用户为不同的设备角色分配自定义图像,以增强拓扑图的可视化效果。
3. 项目最近更新的功能
NetBox Topology Views 插件最近的更新包括:
- 支持 NetBox 4.1.0 及以上版本:确保插件与最新版本的 NetBox 兼容。
- 增强的过滤选项:新增了更多的过滤选项,如显示未连接的设备、显示电缆和逻辑连接等。
- 坐标组功能:引入了坐标组(Coordinate Groups)功能,允许用户为不同的拓扑视图创建不同的设备布局。
- 自定义字段支持:虽然自定义字段 "coordinates" 已被弃用,但项目仍然支持通过坐标组来管理设备的布局。
- 性能优化:对插件的性能进行了优化,特别是在处理大量设备和连接时,提升了响应速度和稳定性。
通过这些更新,NetBox Topology Views 插件进一步增强了其在网络拓扑可视化方面的功能,为用户提供了更加灵活和强大的工具。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
656
4.26 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
500
606
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
284
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
891
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++
939
861
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
1.07 K
557
暂无简介
Dart
902
218
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
132
207
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195