iptraf使用心得——如何查看网络流量

简介:

  前几天找到的iptraf真的让我爱不释手,今天抽空仔细把功能过了一遍,并且和三层交换机上统计的数据进行比较,基本弄清楚了数据含义和使用场景。这里分享一下我跟人觉得比较有用的内容,希望对大家能有帮助。

    1. Configure

    这个非常重要,进行适当的配置可以让统计的结果更直观,信息更丰富。
    1)Reverse DNS lookups:查看连接的ip所对应的域名,在IP traffic monitor的pkt captured对话框中就可以看到域名结果,这个不是很直观,开启后会有点点影响抓包性能。
    2)TCP/UDP service names:在有端口的地方都会把端口号换成相应的服务名,非常有用,很直观。
    3)Activity mode:显示流量是按Kbits/s还是Kbytes/s,建议改成后面的更符合习惯。
    4)Additional ports:按端口号监控所额外需要监控的端口,默认只监控小于1024的。

    2. Filters:这个默认就行了,除非你有特殊需要。

    3. IP traffic monitor:根据连接查看网络流量,这个最好让他跑一段时间看统计总量的结构,如果单个连接占用大量带宽,就很容易看出来。同时根据IP还可以很容易分辨是和内网还是外网服务器进行交互。pkt captured可以看到mac地址。

    4. General interface statistics:查看每个网卡上的流量,注意一下,这个是网卡流量,包括内网和外网,单机是无法分辨内外网。

   5. Detailed interface statistics:根据协议进行统计,就只有IP, TCP, UDP等几个,感觉用处不大。

    6. Statistical breakdowns中的By TCP/UDP port:根据应用协议进行统计,比上面那个更实用。

    7. LAN station monitor:根据mac地址统计,但是感觉貌似不对劲,找不到我自己主机的mac,这个确实没搞懂。

    总的来说,用好这个工具就能很好的分析网络了,确实是一大利器啊!



本文转自passover 51CTO博客,原文链接:http://blog.51cto.com/passover/737094,如需转载请自行联系原作者

相关文章
|
10月前
|
机器学习/深度学习 数据可视化 算法
YOLOv8改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
YOLOv8改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
1201 6
YOLOv8改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
|
12月前
|
人工智能 自然语言处理 安全
已解决:国内如何使用Claude 3.5 Sonnet \ claude官网中文入口
已解决:国内如何使用Claude 3.5 Sonnet \ claude官网中文入口
2102 20
|
安全 网络安全 数据安全/隐私保护
IP申请SSL证书的条件和方法
IP申请SSL证书的条件和方法 互联网信息安全时代,网站部署SSL证书能实现HTTPS加密。通常SSL证书是颁发给域名的,但很多企事业单位需要IP地址实现HTTPS加密,那么IP能申请SSL证书吗?小编了解到数安时代GDCA能为IP地址颁发SSL证书。
9932 0
|
SQL 关系型数据库 MySQL
MySQL Workbench的安装与配置
MySQL Workbench的安装与配置
|
Java Unix Linux
Java “SocketException” 错误怎么处理
Java 中的 "SocketException" 错误通常发生在网络通信过程中,如连接失败、断开连接或数据传输异常。处理方法包括检查网络配置、确保服务器正常运行、使用超时设置和重试机制,以及捕获并处理异常。
2193 6
|
存储 Kubernetes Cloud Native
部署Kubernetes客户端和Docker私有仓库的步骤
这个指南涵盖了部署Kubernetes客户端和配置Docker私有仓库的基本步骤,是基于最新的实践和工具。根据具体的需求和环境,还可能需要额外的配置和调整。
338 1
|
缓存 Linux 调度
Linux服务器如何查看CPU占用率、内存占用、带宽占用
Linux服务器如何查看CPU占用率、内存占用、带宽占用
5971 0
|
机器学习/深度学习 数据采集 人工智能
动手实践:从零开始训练AI模型的全面指南
【7月更文第14天】随着人工智能技术的飞速发展,训练AI模型已成为科研、工程乃至创业领域的热门技能。本文旨在为初学者提供一个清晰、实用的指南,带领大家从零开始,了解并实践如何训练一个人工智能模型。我们将以一个简单的线性回归任务为例,逐步深入,探讨数据预处理、模型构建、训练过程及评估方法,最后展示如何使用Python和深度学习库PyTorch实现这一过程。
7044 0
|
Docker 容器 Linux
安装docker和docker-compose
1.卸载旧版本Docker sudo yum remove docker docker-common docker-selinux docker-engine2.执行以下命令安装依赖包 sudo yum install -y yum-utils device-mapper-persistent-data lvm23.
8533 0