流量监控工具iftop

iftop是linux下一个查看和监控实时流量的工具,iftop可以用来监控网卡的实时流量,使用不同的参数,可以指定网段、反向解析IP、显示端口信息等等,如果使用yum安装,必须安装第三方源,如EPEL源,查看之前的:Centos下安装和使用EPEL源

1、使用yum安装iftop

  1. #安装依赖包
  2. yum install -y flex byacc libpcap ncurses ncurses-devel libpcap-devel byacc ncurses-devel make gcc autoconf cmake gcc gcc-c++ gcc-g77
  3. #安装iftop
  4. yum -y install iftop

2
2、使用源码编译安装:

  1. wget -c http://www.ex-parrot.com/~pdw/iftop/download/iftop-0.17.tar.gz
  2. tar zxvfp iftop-0.17.tar.gz
  3. cd iftop-0.17
  4. ./configure
  5. make && make install

3、iftop使用说明:
运行:

  1. iftop -n -i eth0
6
  1. =>、<=表示流量的流出和流入
  2. TX:发送流量
  3. RX:接收流量
  4. TOTAL:总流量
  5. Cumm:运行iftop到目前时间的总流量
  6. peak:流量峰值
  7. rates:分别表示过去 2s 10s 40s 的平均流量

4、iftop参数说明:

  1. -i设定监测的网卡,如:# iftop -i eth0
  2. -B 以bytes为单位显示流量(默认是bits),如:# iftop -B eth0
  3. -n使host信息默认直接都显示IP,如:# iftop -n eth0
  4. -N使端口信息默认直接都显示端口号,如: # iftop -N eth0
  5. -F显示特定网段的进出流量,如# iftop -F 192.168.1.0/24或# iftop -F 192.168.1.0/255.255.255.0
  6. -h(display this message),帮助,显示参数信息
  7. -p使用这个参数后,中间的列表显示的本地主机信息,出现了本机以外的IP信息;
  8. -b使流量图形条默认就显示;
  9. -f这个暂时还不太会用,过滤计算包用的;
  10. -P使host信息及端口信息默认就都显示;
  11. -m设置界面最上边的刻度的最大值,刻度分五个大段显示,例:# iftop -m 10M

5、iftop界面操作说明:

  1. 按h切换是否显示帮助;
  2. 按n切换显示本机的IP或主机名;
  3. 按s切换是否显示本机的host信息;
  4. 按d切换是否显示远端目标主机的host信息;
  5. 按t切换显示格式为2行/1行/只显示发送流量/只显示接收流量;
  6. 按N切换显示端口号或端口服务名称;
  7. 按S切换是否显示本机的端口信息;
  8. 按D切换是否显示远端目标主机的端口信息;
  9. 按p切换是否显示端口信息;
  10. 按P切换暂停/继续显示;
  11. 按b切换是否显示平均流量图形条;
  12. 按B切换计算2秒或10秒或40秒内的平均流量;
  13. 按T切换是否显示每个连接的总流量;
  14. 按l打开屏幕过滤功能,输入要过滤的字符,比如ip,按回车后,屏幕就只显示这个IP相关的流量信息;
  15. 按L切换显示画面上边的刻度;刻度不同,流量图形条会有变化;
  16. 按j或按k可以向上或向下滚动屏幕显示的连接记录;
  17. 123可以根据右侧显示的三列流量数据进行排序;
  18. 按<根据左边的本机名或IP排序;
  19. 按>根据远端目标主机的主机名或IP排序;
  20. 按o切换是否固定只显示当前的连接;
  21. 按f可以编辑过滤代码,这是翻译过来的说法,我还没用过这个!
  22. 按!可以使用shell命令,这个没用过!没搞明白啥命令在这好用呢!
  23. 按q退出监控。
内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值