用 c眼 給 量裝上監控 使用

在 9 點到 11 點 45 分 、监控眼和AI一起成長~

使用上區別隻在於觸發頻率不同 ,量装

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、做法很簡單——用 Linux 自帶的使用上 crontab定時任務	,不然有時候不小心提早就用超了,量装注意這裏用的监控眼是 1 8,筆者用極小的使用上係統開銷,可前端如果因為沒及時采樣到而一直顯示0%	,量装可以清晰還原白天的监控眼工作節奏——比如上午 10 點是不是比下午 3 點調用更頻繁,

image.png

小結

整套定時任務的使用上核心思路是 :高峰時段加密采樣 ,都有了可靠的量装依據 。沒必要保持 15 分鍾一次的监控眼頻率 。後續無論是使用上做成本分析、

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

這段配置的含義是  :周一至周五,

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,周期性采集使用數據 。低穀時段低頻兜底,有了這些數據,刻意錯開整點 。9-11,14-17用逗號並列了兩個小時段  ,不會出現觀測盲區。這樣做的目的是筆者這裏的LLM是每周8點重置額度 ,

在把大模型接入日常工作流之後,可測試發現原本整8點采樣的結果還是未重置的狀態 ,

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 。*/15表示“每 15 分鍾” ,

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 ,4 點和 8 點四個時間點  ,0 點 、每 15 分鍾*/15 9-11,14-17 * * 1-5 /home/alfred/scripts/llm_usage.sh# 工作日 :12:00、看起來也是非常焦慮啊。18 點是下班前後。

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  。這裏改為每 4 小時一次 ,換來了對 LLM 使用量全天候、

這樣密集的采樣 ,所以采樣頻率最高 。筆者為 LLM 使用量加了一層可觀測性 ,14:00–17:45,就談不上優化成本 、通過 crontab的靈活配置,

image.png

關注我 ,保證可以及時捕捉到重置額度的關鍵信息 。保證全天 24 小時都有數據落點,期待著能趕在重置時刻第一時間就恢複滿血狀態,更談不上為後續擴容做規劃 。08:00 ,容量規劃,

02 | 工作日:白天加密采樣

工作日的白天是 LLM 使用的高峰期 ,排查異常 ,調用量通常很低 ,*/4表示每 4 小時一次。還是排查異常調用 ,04:00、而不是 0 8,又不會給係統帶來太大負擔 。00:00 、14 點到 17 點 45 分這兩個時間段內,筆者很快遇到了一個新問題 :模型到底被用了多少次 ?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,關鍵節點單獨記錄。這樣既能覆蓋關鍵時段,這兩個時間點比較特殊:12 點是午休邊界 ,

於是,所以這裏專門加了這條一分鍾的offset ,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,覆蓋 20 點、低頻采樣足夠反映趨勢,分時段的清晰觀測。下麵把這份配置拆開講講。1-5限定為工作日 。每 15 分鍾執行一次腳本。單獨記錄這兩個時刻的數據 ,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”。同時避免無意義的重複執行  。午休前後有沒有明顯回落。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、腳本負責采集當前時間點的 LLM 調用數據 。周末整體調用量偏低 ,

探索
上一篇:.NET 11 Runtime Async 詳解
下一篇:代碼是 AI 寫的 ,生產事故誰背鍋 ?