探秘网络拥堵,split-ping助你一臂之力!
2024-05-21 09:20:59作者:卓艾滢Kingsley
项目介绍
split-ping 是一个强大的工具,它能够帮助你在网络调试过程中定位包延迟或丢包的方向。这个小巧的神器由BenJojo开发,并在他的个人博客文章中详细介绍。通过使用split-ping,你可以更有效地识别和解决网络中的瓶颈问题。
项目技术分析
split-ping 使用了Go语言编写,支持命令行接口(CLI)和Web界面两种方式查看统计信息。它的核心功能是发送和接收ICMP回显请求(即ping命令),并计算从你的主机到目标IP的往返延迟。此外,它还提供了一个特殊的功能——PPS(脉冲每秒)输入,用于校准系统时钟,尤其是在Apple设备上。
命令行选项丰富,如 -listenAddr 设定监听地址,-peers 指定对等体IP,以及 -debug.showstats 显示详细的统计信息等。对于高级用户,还可以利用 -use.pps 和 -pps.path 选项来启用PPS设备,以提高精确度。
项目及技术应用场景
split-ping 在以下场景下特别有用:
- 网络故障排查:快速确定延迟或丢包发生在本地还是远程,有助于缩小问题范围。
- 性能监控:实时监测网络状况,及时发现潜在的性能下降趋势。
- 数据中心管理:在分布式系统中,用于评估不同节点间的通信质量。
项目特点
- 双向测量:除了常规的ping延迟,split-ping还能展示接收(RX)和发送(TX)两个方向的延迟,便于全面了解网络状况。
- 实时统计:无论是命令行还是Web界面,都能显示即时的延迟和丢包数据。
- PPS校准:可选择开启PPS设备,提升时间同步精度,降低延迟测量误差。
- 易用性:通过简单的命令行参数配置,即可轻松启动和操作。
示例输出
在命令行模式下,split-ping会展示每个ping操作的详细延迟和丢包信息;而在Web界面中,它将以Prometheus指标的形式提供数据,方便进一步集成到监控系统中。
构建与运行
只需在项目目录执行 go build,即可得到名为 sping 的二进制文件。然后,指定目标IP作为对等体,就可以开始使用了。同时,通过访问 http://127.0.0.1:9523/metrics 可以查看Web界面的数据。
split-ping是网络管理员和开发者不可或缺的一款工具,无论是日常运维还是深度诊断,都能为你带来极大的便利。现在就尝试一下,让它为你的网络畅通保驾护航吧!
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
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
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
660
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
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
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147