im0o
eec5b791c8
采集从仪表盘组件挪进模块级单例（web/telemetry.ts），流量曲线和每路 吞吐的历史跨页面留存——跟着组件走的话切一次页面就清零一次。每路吞吐 从 /connections 快照按连接逐条求差再按 inboundName 聚合：先求和再求差 会在连接关闭时算出负数。 图表换 ECharts（按需注册）：手写 SVG 折线做不出平滑曲线和时间轴， 颜色在运行时从 CSS 变量取，跟随主题切换重取。 路由列表每行带走势、速率和可选的公网 IP 检测，点击跳路由页并选中 那一路（外壳传 focus 给 RouterPage 消费）。
93 lines
3.7 KiB
TypeScript
93 lines
3.7 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 }
|
|
}
|