Files
im0o 07a43b5a56 仪表盘细节修整,内核卡片搬左列并加重启
- 曲线空态和图共用一个定高容器,数据到来不再挤下面的内容
- 路由行去掉行间分割线:它会吃掉 hover 高亮的圆角
- 每路走势线先合并成 28 桶再画。3 秒一个采样直接全画,在一条
  百来像素宽的线上只剩噪声;没采集的桶画断口,不画假零
- 环形图两段加圆角,交界用底色描边让出间隙
- 内核卡片从右列搬到服务器和路由之间(左列本来就矮一截),加
  「重启内核」:POST /restart 后内核自我 exec、PID 不变,恢复没有
  任何通知,只能每 2 秒探一次,半分钟探不到交还给外壳心跳
2026-08-11 22:42:40 +08:00

126 lines
5.0 KiB
TypeScript

/**
* 仪表盘遥测的纯逻辑:滑动窗口和按入站聚合的吞吐差值。
*
* 采集本身(开流、轮询)在 web/telemetry.ts 的单例里做;这里只回答
* 「两次连接快照之间每一路走了多少字节」这类纯问题,让 bun test 够得着。
*/
import type { ConnectionItem } from './connections.ts'
/** 流量大图保留多久的历史。切走页面数据还在,是这个窗口在兜底。 */
export const TRAFFIC_WINDOW_MS = 30 * 60_000
/** 每路吞吐走势保留多久。活跃判定也用同一个窗口。 */
export const ROUTE_WINDOW_MS = 5 * 60_000
/** 连接快照的轮询间隔。 */
export const ROUTE_POLL_MS = 3_000
/**
* 「活跃」的门槛:最近 5 分钟走过的字节数。
* 取 256 KB 是为了滤掉心跳、DNS 这类背景流量——它们在 5 分钟里通常只有几十 KB,
* 而任何真实使用(网页、更新检查)轻松超过这个数。
*/
export const ACTIVE_BYTES = 256 * 1024
/** 一个采样点。up/down 是这个采样间隔里走过的字节数(不是速率),ms 是实际间隔。 */
export interface RouteSample {
t: number
ms: number
up: number
down: number
}
/** 流量曲线的一个点。up/down 是内核报的每秒字节数。 */
export interface TrafficPoint {
t: number
up: number
down: number
}
/** 追加一个点并把窗口外的老点挤掉。窗口按时间算,不按条数——采样间隔不保证均匀。 */
export function pushWindow<T extends { t: number }>(list: T[], point: T, windowMs: number): T[] {
const cutoff = point.t - windowMs
const start = list.findIndex((p) => p.t >= cutoff)
return [...(start === -1 ? [] : list.slice(start)), point]
}
/** 上次快照里每条连接的累计字节,按连接 id 记。 */
export type ConnTotals = Map<string, { up: number; down: number }>
/**
* 两次连接快照之间,每一路入站走了多少字节。
*
* 按连接逐条求差再按入站聚合,而不是先按入站求和再求差:连接关闭后会从快照里
* 消失,直接对总和求差会算出负数。代价是连接关闭前最后一段流量丢失——对走势图
* 来说可以接受。新出现的连接把它的累计全部记入本次间隔(它就是这段时间里产生的)。
* 同一条 id 的累计变小说明内核重启过计数,按全新连接处理。
*/
export function routeDeltas(
prev: ConnTotals,
conns: ConnectionItem[],
): { deltas: Record<string, { up: number; down: number }>; next: ConnTotals } {
const deltas: Record<string, { up: number; down: number }> = {}
const next: ConnTotals = new Map()
for (const conn of conns) {
const key = conn.metadata.inboundName || conn.metadata.inboundPort
const last = prev.get(conn.id)
const fresh = !last || last.up > conn.upload || last.down > conn.download
const up = fresh ? conn.upload : conn.upload - last.up
const down = fresh ? conn.download : conn.download - last.down
const entry = (deltas[key] ??= { up: 0, down: 0 })
entry.up += up
entry.down += down
next.set(conn.id, { up: conn.upload, down: conn.download })
}
return { deltas, next }
}
/** 窗口内一共走了多少字节(上下行合计)。活跃判定用。 */
export function windowBytes(samples: RouteSample[], since: number): number {
let total = 0
for (const s of samples) {
if (s.t >= since) total += s.up + s.down
}
return total
}
/** 最近一个采样的速率(字节每秒)。没有采样时是 null——「没数据」和 0 不是一回事。 */
export function lastRate(samples: RouteSample[]): { up: number; down: number } | null {
const last = samples.at(-1)
if (!last || last.ms <= 0) return null
return { up: (last.up / last.ms) * 1000, down: (last.down / last.ms) * 1000 }
}
/**
* 把窗口内的样本合并成固定数量的桶,每桶是平均速率(字节每秒)。
*
* 走势线要的是形状,不是每一次采样:3 秒一个点、5 分钟窗口是一百个点,
* 全画在一条几十像素宽的线上只剩噪声。没有采样的桶是 null(「没在采集」,
* 不是「速率为 0」——零样本是采集层补出来的真零),开头的 null 直接裁掉,
* 采集是从中途开始的,不该画出一段假的静止期。
*/
export function bucketRates(
samples: RouteSample[],
start: number,
end: number,
buckets: number,
): Array<[number, number | null]> {
if (end <= start || buckets <= 0) return []
const width = (end - start) / buckets
const sums = Array.from({ length: buckets }, () => ({ bytes: 0, ms: 0 }))
for (const s of samples) {
if (s.t < start || s.t > end) continue
const i = Math.min(buckets - 1, Math.floor((s.t - start) / width))
sums[i]!.bytes += s.up + s.down
sums[i]!.ms += s.ms
}
const points = sums.map(
(b, i): [number, number | null] => [
Math.round(start + (i + 0.5) * width),
b.ms > 0 ? (b.bytes / b.ms) * 1000 : null,
],
)
const first = points.findIndex(([, v]) => v !== null)
return first === -1 ? [] : points.slice(first)
}