Speedtest-Tracker项目:如何设置定时测速任务
2025-06-20 12:04:17作者:仰钰奇
在Speedtest-Tracker项目中,定时测速功能是一个非常有用的特性,它允许用户按照预设的时间间隔自动执行网络速度测试,从而持续监控网络性能。本文将详细介绍如何配置这一功能。
环境变量配置
Speedtest-Tracker通过环境变量来控制测速行为,主要涉及以下三个关键参数:
- SPEEDTEST_SCHEDULE:设置测速任务的执行计划,采用标准的cron表达式格式
- SPEEDTEST_SERVERS:指定测速服务器的ID,可以设置单个或多个服务器(用逗号分隔)
- PRUNE_RESULTS_OLDER_THAN:设置结果保留天数,0表示不自动清理历史数据
定时测速配置详解
1. 基本配置方法
在Docker Compose配置文件中,需要在environment部分添加相关环境变量。例如:
environment:
SPEEDTEST_SCHEDULE: "0 */6 * * *"
SPEEDTEST_SERVERS: "12345,67890"
PRUNE_RESULTS_OLDER_THAN: "7"
2. Cron表达式说明
Cron表达式由5个字段组成,分别表示:
- 分钟(0-59)
- 小时(0-23)
- 日(1-31)
- 月(1-12)
- 星期(0-7,其中0和7都代表星期日)
常见示例:
0 * * * *:每小时整点执行0 */3 * * *:每3小时执行一次30 3 * * *:每天凌晨3:30执行0 9 * * 1:每周一上午9点执行
3. 服务器选择
SPEEDTEST_SERVERS参数允许用户指定特定的测速服务器。这在使用固定服务器进行长期性能比较时特别有用。服务器ID可以通过Speedtest CLI工具获取。
4. 数据保留策略
PRUNE_RESULTS_OLDER_THAN参数控制历史数据的自动清理。设置为7表示只保留最近7天的测速结果,有助于控制数据库大小。
最佳实践建议
- 对于家庭用户,建议每2-4小时测速一次(如
0 */3 * * *) - 企业用户可能需要更频繁的测速(如每小时一次)
- 选择距离较近且稳定的测速服务器
- 根据存储空间设置合理的数据保留期限
- 重大网络变更前后可临时增加测频频率
通过合理配置这些参数,用户可以建立一套完整的网络性能监控体系,为网络优化提供数据支持。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868