阿里云技术教程:在 ECS 上用 systemd 常驻 TokenTracker 并打通 DSH 用量统计

简介: TokenTracker 部署指南:需 Node.js 20+(推荐 nvm 安装 22 LTS),禁用低版本镜像 Node;通过 `tokentracker-cli` 快速启动 Dashboard;务必用 systemd 管理服务(绝对路径)、Nginx 反代(禁放行 7680)、独立系统用户隔离,避免配置冲突与安全风险。(239字)

Node.js 需要 20 以上。 阿里云 ECS 镜像自带的 Node 往往版本偏低,先 node --version 确认,推荐用 nvm 装 22 LTS,不要用包管理器默认版本;npm 源可换 npmmirror 加速。

npm i -g tokentracker-cli
tokentracker status    # 先看 hook 挂接状态,别跳过
tokentracker doctor    # 深度健康检查

免安装体验版是 npx tokentracker-cli,首次运行会自动装 hook、同步数据并在 7680 端口打开 Dashboard。

用 systemd 常驻服务

Dashboard 默认跑前台,SSH 断开就没了,ECS 上应做成服务:

# /etc/systemd/system/tokentracker.service
[Unit]
Description=TokenTracker Dashboard
After=network.target

[Service]
Type=simple
User=devuser
Environment=PORT=7680
ExecStart=/home/devuser/.nvm/versions/node/v22.19.0/bin/tokentracker serve
Restart=on-failure

[Install]
WantedBy=multi-user.target
sudo systemctl daemon-reload
sudo systemctl enable --now tokentracker
journalctl -u tokentracker -f     # 端口冲突时会顺延,真实端口在这里

ExecStart 必须用绝对路径,systemd 不加载你的 shell 环境变量。

安全组与反向代理

第一条原则:ECS 安全组不要放行 7680。 Dashboard 是无鉴权的本地工具,直接开放等于把用量数据暴露在公网。安全组入方向只需放行 22(SSH,建议限来源 IP)、443(HTTPS)、80(跳转,可选),Nginx 反代到回环地址:

server {
   
    listen 443 ssl http2;
    server_name tracker.example.com;

    location / {
   
        proxy_pass http://127.0.0.1:7680;
        proxy_http_version 1.1;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;

        # 热力图与按项目归因首屏数据较多,默认 60s 易被掐断
        proxy_read_timeout 300s;
        proxy_send_timeout 300s;
    }
}

第二条原则:给它独立系统用户。 多开发者共用 root 时 ~/.tokentracker/ 会互相覆盖。

避坑要点

坑一:ECS 镜像自带的 Node 版本低于 20

现象:npm 直接报 engines.node 不满足。原因是包的 engines 声明为 >=20。解决方案是用 nvm 装 22 LTS。

坑二:安全组放行了 7680,看板裸奔在公网

现象:http://<公网IP>:7680 能直接打开。原因是 Dashboard 无鉴权。解决方案是安全组不放行 7680,改用 Nginx 反代到 443,鉴权交给反代层。

坑三:反代超时太短导致首屏加载失败

现象:反代配好后页面转圈或 504。原因是活跃度热力图与按项目归因在首屏拉取的数据量偏大,默认 60 秒读超时不够。解决方案是显式设置 proxy_read_timeout 300s。

坑四:systemd 里找不到 tokentracker 命令

现象:服务启动失败,报 command not found。原因是 ExecStart 写的是裸命令名,而 systemd 不加载 nvm 的 shell 环境。解决方案是填 nvm 版本目录下的绝对路径。

坑五:装完不重启宿主 CLI,hook 不生效

现象:包装好了但看板没数据。原因是 hook 只在宿主 CLI 启动时加载,且不补记历史会话。解决方案是重启目标 CLI 并开新会话;先跑 tokentracker status 能分清「没挂上」和「没数据」。

坑六:多人共用账号导致配置互相覆盖

现象:A 配好的 hook,B 一登录就失效。原因是 ~/.tokentracker/ 与各宿主配置都在用户目录下。解决方案是按开发者建独立系统用户,或用 CODEX_HOME、GEMINI_HOME、TOKENTRACKER_GROK_HOME 隔离数据目录。

坑七:CI 环境要关掉 Git 归因并改用非交互输出

现象:容器里出现多余 git 调用,流水线日志被 spinner 控制字符污染。原因是 Git 提交归因会在工作目录执行 git log,默认输出为交互式设计。解决方案是设 TOKENTRACKER_DISABLE_GIT_ATTRIBUTION=1,输出改用 status --light 或 status --json。

小结

部署要点五条:Node 用 nvm 装 22 LTS → npm i -g tokentracker-cli → 按独立系统用户隔离 → systemd 常驻且 ExecStart 用绝对路径 → 安全组只放行 22/443,Nginx 反代并给足读超时。

兼容性方面:站点结论是「自动检查通过」,但明确标注未经人工实机验证,原话是「能装不等于用着没问题」,且该包未声明 dsh 版本约束。最后验证时间 2026-09-17 04:55:32。

目录
相关文章
|
SQL 分布式计算 数据挖掘
智能数据建设与治理 Dataphin 评测报告
本文详细记录了测试开发工程师“宏哥”对阿里巴巴云产品Dataphin的评测体验。Dataphin是一款基于OneData数据治理方法论的企业级数据中台工具,提供数据采集、建模、管理与应用的全生命周期能力。评测从开通试用、环境准备、项目创建到任务开发、周期补数据、即席分析及数据分析等多个环节展开。宏哥按照官方手册完成了数据处理全流程,但也指出了一些问题:如部分操作步骤不够清晰、新手友好数不足(例如SQL脚本编写难度)、以及业务流程逻辑需进一步优化。整体来看,Dataphin在数据同步、周期补数据和即席分析等方面表现出色,但用户体验和学习成本仍有提升空间。
579 8
|
9天前
|
运维 监控 安全
云上跑 GoTry,需要守住的证据链与只读边界
本文详解GoTry云上运维的五大可信边界:证据链标签(骨架/实时API/估算)、fail-closed事实闸、四层只读规则、gotry-state状态隔离,及安全检查清单。强调“来源可溯、降级可知、blocked非故障、浏览器会话必需”,助力合规团队守住数据可信底线。(239字)
46 2
|
17天前
|
存储 弹性计算 运维
ClearAI 在云上做长研究,该盯住会话记录、证据链与磁盘三件事
ClearAI(中文名“认识论循环”)将认知闭环引入DeepSeek Harness:问题→判断→检验→证据→结论→本体长进。云上部署需聚焦三大要点:会话记录作为核心数据资产,须挂载独立数据盘、定期快照并实测恢复;阈值须开工前明确登记,确保可证伪、可复核;本体图仅能通过受治理路径更新,严禁手动修改。
90 3
|
27天前
|
运维 Linux 网络安全
阿里云上长期跑 iPolloWork:哪些做法该留,哪些别做
本文详解iPolloWork在阿里云长期运维的核心原则:坚持状态隔离(开发/Cloud配置互不干扰)、安全组与出网最小化、严守“桌面壳≠服务端”“本地包≠正式版”两条红线,并厘清package仅推进版本号而不发布。适合云上长期运行团队,助你降本增效。(239字)
93 3
|
1月前
|
存储 文字识别 运维
钓鱼攻击引发基因检测机构 HIPAA 合规失效案例研究
本文以美国Ambry Genetics钓鱼攻击及HIPAA处罚事件为样本,剖析其22.5万份基因健康信息泄露根源:风险分析缺位、身份权限管理漏洞、唯一用户标识缺失三大合规缺陷。强调单纯依赖邮件过滤不足,须构建“风险评估—身份治理—多层技术防御—人员培训—应急响应”闭环体系,为国内基因医疗数据安全合规提供实操借鉴。(239字)
72 2
|
7月前
|
人工智能 开发框架 Java
Java企业AI转型零门槛落地:从技术认知到业务实践的全流程
JBoltAI是面向Java生态的企业级AI开发框架,直击Java企业AI转型“不会做、落不了地”双重痛点。提供阶梯式能力建设、多模型统一网关、SpringBoot无缝集成及开箱即用场景方案,实现低门槛、可落地、易复用的智能化升级。(239字)
271 2
|
2月前
|
机器学习/深度学习 缓存 人工智能
阿里云kimi-k3模型详解:模型能力、价格、上下文限制及使用注意事项参考
本文介绍了阿里云百炼平台提供的旗舰级大模型Kimi-K3。该模型由月之暗面研发,拥有2.8万亿参数,是全球首个开源的三万亿级模型,并创新性地采用了KDA混合线性注意力与注意力残差技术。它原生支持文本与图像输入,具备强制开启的深度思考模式,并提供高达100万tokens的上下文窗口。文章详细梳理了其五大区域(北京、新加坡、日本、德国、美国)的部署与功能矩阵,重点解读了其独有的动态加载工具DLT机制在优化智能体开发流程上的价值,以及适用于长程编程、超长文档分析、复杂推理等高阶场景的定位。同时,也明确了其定价策略与通过百炼平台进行OpenAI/DashScope协议兼容调用的方式。
|
9月前
|
机器学习/深度学习 人工智能
【AI大模型面试宝典四】- 基础架构篇
【AI大模型知识干货系列】深度解析Transformer位置编码:从绝对到相对,拆解Sinusoidal、RoPE、ALiBi等核心机制,对比优劣,直击面试高频问题。每篇聚焦一个知识点,助你系统掌握大模型关键技术,紧跟AI浪潮!欢迎关注、点赞、批评指正~
519 0
|
7月前
|
消息中间件 人工智能 NoSQL
2026实战:用ChatGPT官网设计高可用秒杀系统架构
本文介绍AI(如GPT-4o)如何高效辅助技术架构师设计高并发秒杀系统:3秒生成含限流、Redis原子扣减、RocketMQ异步下单、分库分表等的完整方案,覆盖技术选型、伪代码、风险点及文档输出,将2人天工作压缩至2小时内,提升设计效率与质量。(239字)