PacketQ 技术文档
2024-12-24 13:02:33作者:温玫谨Lighthearted
1. 安装指南
1.1 依赖安装
在安装 PacketQ 之前,需要确保系统中已经安装了必要的依赖库。以下是不同操作系统的依赖安装方法:
1.1.1 Debian/Ubuntu
在 Debian 或 Ubuntu 系统上,可以使用以下命令安装依赖:
apt-get install -y zlib1g-dev libmaxminddb-dev
1.1.2 CentOS
在 CentOS 系统上,可以使用以下命令安装依赖(需要启用 EPEL/PowerTools 仓库):
yum install -y zlib-devel libmaxminddb-devel
1.2 从 GitHub 构建
如果你从 GitHub 获取源代码,可以按照以下步骤进行构建和安装:
git clone https://github.com/DNS-OARC/PacketQ.git
cd PacketQ
./autogen.sh
./configure [options]
make
make install
1.3 从源码压缩包构建
如果你从 DNS-OARC 获取源码压缩包,可以按照以下步骤进行构建和安装:
tar zxvf packetq-version.tar.gz
cd packetq-version
./configure [options]
make
make install
2. 项目使用说明
2.1 基本用法
PacketQ 是一个命令行工具,可以直接对 PCAP 文件运行 SQL 查询。查询结果可以输出为 JSON(默认)、格式化/紧凑的 CSV 和 XML 格式。
2.1.1 示例:查询 DNS 信息
以下命令从 sample.pcap 文件中检索前 10 个包含 DNS 信息的包:
packetq -s "select * from dns limit 10" sample.pcap
2.1.2 示例:启动 Web 服务器
以下命令启动一个 Web 服务器,监听端口 8080,并作为守护进程运行,服务文件从 html/ 目录提供,PCAP 文件从 pcap/ 目录提供:
packetq -d -p8080 -w html/ -r pcap/
2.2 功能特性
- 快速解码:支持对 PCAP 文件(包括压缩文件)进行超快的本地解码和内存排序。
- 协议解码:内置支持 ICMP 和 DNS 协议,设计可扩展。
- SQL 功能:支持分组、排序、计数等大多数重要的 SQL 功能。
- 依赖少:仅依赖 zlib,无需其他难以找到的库。
- Web 服务器:内置 Web 服务器、JSON API 和基于 JQuery 的 GUI 应用程序。
- 缓存查询:支持通过预处理 PCAP 文件为静态 JSON 文件来缓存查询。
- DNS 解析器:内置 DNS 解析器功能(用于 GUI)。
- 采样支持:支持对大型、均匀的 PCAP 文件进行采样查询。
- 标志转换:支持将数据包头中的标志实时转换为文本。
- 多查询支持:支持对内存中的相同数据进行多次查询。
3. 项目 API 使用文档
PacketQ 提供了 JSON API,可以通过内置的 Web 服务器进行访问。以下是一些常见的 API 使用场景:
3.1 查询 PCAP 文件
通过 API 查询 PCAP 文件中的数据,可以使用以下格式:
curl "http://localhost:8080/query?sql=select * from dns limit 10"
3.2 获取 JSON 结果
API 默认返回 JSON 格式的结果,可以直接用于进一步的处理或展示。
3.3 其他格式支持
除了 JSON,API 还支持输出为 CSV 和 XML 格式。可以通过指定 format 参数来选择输出格式:
curl "http://localhost:8080/query?sql=select * from dns limit 10&format=csv"
4. 项目安装方式
4.1 从 GitHub 安装
通过 GitHub 安装 PacketQ 的步骤如下:
- 克隆仓库:
git clone https://github.com/DNS-OARC/PacketQ.git - 进入项目目录:
cd PacketQ - 运行自动配置脚本:
./autogen.sh - 配置项目:
./configure [options] - 编译并安装:
make make install
4.2 从源码压缩包安装
通过源码压缩包安装 PacketQ 的步骤如下:
- 解压源码包:
tar zxvf packetq-version.tar.gz - 进入解压后的目录:
cd packetq-version - 配置项目:
./configure [options] - 编译并安装:
make make install
通过以上步骤,你可以成功安装并使用 PacketQ 工具进行 PCAP 文件的查询和分析。
登录后查看全文
热门项目推荐
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
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
暂无简介
Dart
663
152
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++
659
297
Ascend Extension for PyTorch
Python
215
235
React Native鸿蒙化仓库
JavaScript
254
320
仓颉编译器源码及 cjdb 调试工具。
C++
132
866
仓颉编程语言运行时与标准库。
Cangjie
139
874
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
🎉 (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
1.18 K
648
仓颉编程语言开发者文档。
59
818