~/notes/cyber-probe-real-metrics-and-traffic-calibration.md1354 字

项目实战Cyber Probe 监控系统学习笔记 · 01/03

Cyber Probe(一):探测事件去重与真实丢包统计

通过 probed_at 和丢包事件位,理解状态上报与真实测量的区别,以及监控图表如何表达缺失与失败。

目录 5 节

Cyber Probe 使用 Go Agent 采集指标,通过 WebSocket 上报到服务端,再由 React 和 uPlot 展示。实时状态上报和网络探测有不同周期,不能把每一份上报都当成一次新的测量。

本篇从 probed_at 去重代码入手,讲清楚探测历史的一行对应什么,再讨论丢包事件、成功延迟和图表空位的含义。流量校准与编辑表单分别放到后两篇。

一、每秒上报,不等于每秒完成一次探测

Agent 会持续上报最新状态,但网络探测有自己的执行周期。两次探测之间,上报内容里可能反复携带同一个最近结果。

如果服务端每收到一次上报就写一条探测历史,单次测量就会被复制成多条记录。按固定周期批量落库也不能自然解决这个问题:同一结果仍然可能跨越多个落库周期。

项目因此增加了 probed_at,记录探测实际完成的时间。服务端按节点、目标与标签维护已经处理的探测时间,同一个探测结果只入队一次,历史时间戳也使用探测时刻。

探测完成:生成结果和 probed_at
  → 多次状态上报携带这个结果
  → 服务端按探测身份去重
  → 批量写入一条历史记录

这里区分了两种数据:CPU、内存等连续状态可以按时间窗口聚合,网络探测则需要保留一次测量对应一次事件的关系。

否则,记录数量反映的就是上报和落库节奏,统计结果也可能随这些节奏变化。

pkg/server/downsampler.go 中,排除旧 Agent 回退分支后,去重逻辑可以简化为:

// seen 对应当前节点已经处理的探测时间。
key := p.Target + "\x00" + p.Label
if seen[key] == p.ProbedAt {
    continue
}
seen[key] = p.ProbedAt

b.probes = append(b.probes, &model.PingHistoryPoint{
    NodeID:    report.NodeID,
    Timestamp: p.ProbedAt,
    Target:    p.Target,
    Label:     p.Label,
    LatencyMs: p.LatencyMs,
    LostEvent: p.Lost,
})

注意 seen 的节点维度在外层维护,目标和标签组成内层键。只比较时间而不区分目标,会把同一时刻完成的不同探测误判成重复。

当前实现记住的是每个目标最近处理的时间,解决同一最新结果持续上报的问题;它不是一个永久保存所有事件 ID 的全局去重集合。历史写入仍然按缓冲批次进行,不能把这段内存逻辑理解成崩溃场景下的严格一次交付。

二、丢包需要记录成一次事件

丢包率和“这次有没有丢包”也不是同一个字段。

滚动窗口丢包率适合描述一段时间的整体质量。如果把它拿来决定每个历史格子是不是丢包,只要窗口里还有过去的失败,多次成功探测也可能继续被标成失败。

项目增加了最近一次探测的丢包事件位,让历史保存真实发生的结果,再从事件计算区间统计:

区间丢包率 = 丢包探测数 / 总探测数

延迟的最小值、平均值和分位数只统计成功探测。丢包记录在兼容的 ping 记录接口中使用 value: -1 表示,前端把失败和缺口画成断点,而不是一条看起来瞬间降到零毫秒的线。

新协议还需要照顾旧 Agent。旧版本没有 probed_at,服务端无法准确区分重复结果,只能保留旧的落库回退方式,并把对应丢包统计标记为近似值 loss_approximate。

这比给新旧数据统一贴上“精确统计”的标签更容易判断。

三、不足四十次,就留下空格

前端的 PingTracker 用四十格展示近期网络质量。最近的修改明确规定:四十格对应最近四十次真实探测,记录不足时留下空格。

如果最新探测已经通过实时流到达、但尚未落库,页面可以补上这个真实事件;已有历史则按时间和目标筛选,避免重复展示。

同一轮还移除了多处虚构兜底:没有采集到的节点规格、分核负载和缓存比例不再编造,未配置的账单和标签也不由 Agent 带上一套默认值。

情况 页面应表达的含义
实测值为零 确认测量结果为零
未采集或尚未上报 暂无数据,显示 -- 或空位
本次探测失败 失败事件,不能当作零延迟
历史记录不足 只展示已有样本

完整界面可以先用模拟器联调,但模拟数据需要留在明确的演示环境。实际看板中,每一个数字都应该能对应到采集结果或人工配置。

四、按真实事件检查历史数据

可以从 pkg/server/downsampler.go 看去重与入队,再对照 ping 统计和 web/src/components/PingTracker.tsx 的四十格生成逻辑。需要检查的是同一次最新探测是否重复存储、失败是否被误当成零延迟,以及样本不足时页面是否保留空位。

本文依据截至 2026 年 9 月 27 日的实现整理,没有重新执行测试。相关去重与口径修复见 c937d3e。

项目代码:wildalley/probe。

系列阅读

下一章:Cyber Probe(二):流量校准基线与计数器重置

  1. Cyber Probe(一):探测事件去重与真实丢包统计
  2. Cyber Probe(二):流量校准基线与计数器重置
  3. Cyber Probe(三):设置表单如何保留流量校准锚点