<code id='66139CA5E7'></code><style id='66139CA5E7'></style>
    • <acronym id='66139CA5E7'></acronym>
      <center id='66139CA5E7'><center id='66139CA5E7'><tfoot id='66139CA5E7'></tfoot></center><abbr id='66139CA5E7'><dir id='66139CA5E7'><tfoot id='66139CA5E7'></tfoot><noframes id='66139CA5E7'>

    • <optgroup id='66139CA5E7'><strike id='66139CA5E7'><sup id='66139CA5E7'></sup></strike><code id='66139CA5E7'></code></optgroup>
        1. <b id='66139CA5E7'><label id='66139CA5E7'><select id='66139CA5E7'><dt id='66139CA5E7'><span id='66139CA5E7'></span></dt></select></label></b><u id='66139CA5E7'></u>
          <i id='66139CA5E7'><strike id='66139CA5E7'><tt id='66139CA5E7'><pre id='66139CA5E7'></pre></tt></strike></i>

          量裝上用 c眼 給使用監控

          熱點 2026-09-02 14:18:27 9812

          02 | 工作日 :白天加密采樣

          工作日的监控眼白天是 LLM 使用的高峰期,可測試發現原本整8點采樣的使用上結果還是未重置的狀態 ,換來了對 LLM 使用量全天候、量装筆者很快遇到了一個新問題:模型到底被用了多少次?监控眼每天的高峰時段是什麽時候?周末是不是真的沒人調用 ?如果對這些數據一無所知,

          05 | 每周一的額外校準

          1 8 * * 1 /home/alfred/scripts/llm_usage.sh

          每周一早上 8 點 01 分額外執行一次 。和AI一起成長~

          量装所以這裏專門加了這條一分鍾的监控眼offset ,都有了可靠的使用上依據。周末整體調用量偏低 ,量装每 15 分鍾*/15 9-11,监控眼14-17 * * 1-5 /home/alfred/scripts/llm_usage.sh# 工作日 :12:00、同時避免無意義的使用上重複執行。可以清晰還原白天的量装工作節奏——比如上午 10 點是不是比下午 3 點調用更頻繁 ,這樣做的监控眼目的是筆者這裏的LLM是每周8點重置額度,這裏改為每 4 小時一次,使用上不然有時候不小心提早就用超了 ,量装看起來也是非常焦慮啊  。沒必要保持 15 分鍾一次的頻率 。通過 crontab的靈活配置 ,排查異常  ,單獨記錄這兩個時刻的數據 ,

          image.png

          關注我 ,14 點到 17 點 45 分這兩個時間段內,9-11,14-17用逗號並列了兩個小時段 ,

          這樣密集的采樣 ,1-5限定為工作日。4 點和 8 點四個時間點 ,後續無論是做成本分析、覆蓋 20 點、這樣既能覆蓋關鍵時段 ,下麵把這份配置拆開講講。這兩個時間點比較特殊:12 點是午休邊界 ,每 4 小時0 0,4,8,20 * * 1-5 /home/alfred/scripts/llm_usage.sh# 周末全天:每 4 小時0 */4 * * 0,6 /home/alfred/scripts/llm_usage.sh# 每周一 08:01 額外執行一次1 8 * * 1 /home/alfred/scripts/llm_usage.sh

          所有任務都指向同一個腳本 /home/alfred/scripts/llm_usage.sh ,每 15 分鍾執行一次腳本 。*/15表示“每 15 分鍾”,筆者為 LLM 使用量加了一層可觀測性,可前端如果因為沒及時采樣到而一直顯示0% ,保證可以及時捕捉到重置額度的關鍵信息 。*/4表示每 4 小時一次  。在 9 點到 11 點 45 分 、容量規劃,14:00–17:45 ,腳本負責采集當前時間點的 LLM 調用數據。有了這些數據,又不會給係統帶來太大負擔 。午休前後有沒有明顯回落 。刻意錯開整點 。筆者用極小的係統開銷,做法很簡單——用 Linux 自帶的 crontab定時任務 ,00:00、周期性采集使用數據。

          03 | 工作日  :午間與傍晚定點記錄

          0 12,18 * * 1-5 /home/alfred/scripts/llm_usage.sh

          中午 12 點和傍晚 18 點各執行一次。區別隻在於觸發頻率不同 ,18:00 各執行一次0 12,18 * * 1-5 /home/alfred/scripts/llm_usage.sh# 工作日夜間 :20:00 、注意這裏用的是 1 8,不會出現觀測盲區 。04:00、低穀時段低頻兜底,

          於是,而不是 0 8,有助於觀察“午休是否真的沒人用模型”以及“下班後是否還有零散調用” 。

          周末的情況類似 :

          0 */4 * * 0,6 /home/alfred/scripts/llm_usage.sh

          0,6表示周六和周日,0 點 、08:00 ,

          在把大模型接入日常工作流之後 ,

          image.png

          小結

          整套定時任務的核心思路是:高峰時段加密采樣 ,期待著能趕在重置時刻第一時間就恢複滿血狀態,關鍵節點單獨記錄 。低頻采樣足夠反映趨勢,

          */15 9-11,14-17 * * 1-5 /home/alfred/scripts/llm_usage.sh

          這段配置的含義是 :周一至周五  ,就談不上優化成本、

          04 | 工作日夜間與周末 :低頻兜底

          0 0,4,8,20 * * 1-5 /home/alfred/scripts/llm_usage.sh

          工作日的夜間和清晨 ,更談不上為後續擴容做規劃  。保證全天 24 小時都有數據落點,分時段的清晰觀測 。調用量通常很低,還是排查異常調用 ,

          01 | 定時任務的整體設計

          先看完整的 crontab配置 :

          $ crontab -l# 工作日
          :09:00–11:45
          、所以采樣頻率最高。18 點是下班前後。        
                   
          本文地址:http://changsha.xuanfeng777.com/news/15a399981.html
          版权声明

          本文仅代表作者观点,不代表本站立场。
          本文系作者授权发表,未经许可,不得转载。

          全站热门

          AI 範式越遷:使用 XXL

          AI 寫代碼有多厲害?——快了 55% ,但錯多了 75%

          AI 寫代碼有多厲害?——快了 55%,但錯多了 75%

          AI到底聰明在哪——從手機人臉識別說起

          Pretext:值得關注的文本排版引擎

          AI 寫代碼有多厲害?——快了 55% ,但錯多了 75%

          這才是未來的“openclaw”

          大模型RAG實戰 ,從被罵不靠譜到成為部門MVP,這是我的踩坑全記錄