ntopng ClickHouse 数据库表结构文档更新说明
2025-06-02 04:55:45作者:温艾琴Wonderful
在ntopng网络流量监控系统中,ClickHouse作为重要的数据存储后端,其表结构设计直接关系到用户对网络流量数据的查询和分析能力。近期发现官方文档中存在一些需要更新的内容,本文将对此进行详细说明。
文档中已移除的表结构
在最新版本的ntopng中,开发团队对ClickHouse数据库进行了优化,移除了两个不再使用的表:
-
alert_severities表:该表原先用于存储告警严重级别的映射关系,但在实际使用中发现这些信息更适合直接内联在查询中,因此被移除。
-
l7_categories表:该表原本保存了第7层应用类别的分类信息,同样由于使用率低且可以通过其他方式获取这些数据而被移除。
当前有效的表结构
当前ntopng的ClickHouse数据库中实际包含以下主要表结构:
- 各类告警表:包括主机告警(host_alerts)、接口告警(interface_alerts)、网络告警(network_alerts)等
- 流量数据表:flows表记录详细的流量信息
- 聚合表:如hourly_flows提供按小时聚合的流量数据
- 资产表:assets表存储网络资产信息
- 安全扫描相关表:security_scan_data和security_scan_report
告警严重级别说明
虽然alert_severities表已被移除,但告警严重级别仍然存在,通常使用UInt8类型表示,常见的严重级别包括:
- 0: 信息级
- 1: 警告级
- 2: 错误级
- 3: 严重级
- 4: 紧急级
应用类别处理方式
对于原先在l7_categories表中存储的应用类别信息,现在可以通过以下方式获取:
- 直接查询flows表中的l7_proto字段
- 使用ntopng内置的应用识别功能
- 通过API接口获取应用分类信息
文档更新建议
对于使用ntopng ClickHouse集成的用户,建议:
- 不要依赖文档中提到的已移除表
- 查询告警严重级别时直接使用数值而非表关联
- 获取应用类别信息使用flows表中的相关字段
- 定期检查官方文档更新,了解最新的数据库结构变化
ntopng团队将持续优化数据库结构,提升查询性能和数据存储效率,建议用户关注版本更新说明,及时调整相关查询逻辑。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
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
456
438
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++
1.08 K
1.1 K
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
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220