当前位置:首页 > 文章列表 > 文章 > linux > nftables reset counters 怎样做规则变更前后对比

nftables reset counters 怎样做规则变更前后对比

来源:17golang原创 2026-11-14 06:42:43 0浏览 收藏

在 nftables 里,规则变更前后要比较命中情况,最稳妥的做法是把观察对象放进 named counter,先记录基线,再用 nft reset 把计数窗口归零,最后在相同时间窗口内读取 packets 和 bytes。reset 只处理计数状态,不会替你改写匹配条件、动作或链结构。

官方地址:https://www.netfilter.org/projects/nftables/manpage.html

如果只想看“这次规则变更之后有没有命中”,优先使用 named counter,并把“读取基线—重置—变更—同窗口读取”固定成一组操作。不要直接 reset 整个规则集,除非你确实要放弃其它表的统计窗口。

先分清 nftables 里要重置的对象

nftables 的计数器可以附在规则上,也可以声明为 named counter 后被规则引用。前者是匿名计数器,后者有稳定名称,适合做变更前后的观测。命令里的 reset counters 是复数形式,表示按范围处理多个计数器;reset counter

则更精确。

这个区别很重要:规则变更通常只需要观察一个表或几条关键规则,如果直接执行全局 reset,可能把无关业务的计数窗口也清掉。下面的图是静态关系说明图,不是终端截图或运行证据。

nftables named counter 与规则、表、计数状态之间的静态关系说明图
图1:静态结构图展示规则、named counter、表范围和 packets/bytes 状态的关系;它是说明图,不是运行截图。

变更前先保存一份可解释的基线

基线不必复制整套规则文件,但至少要保留计数器所在的 family、table、counter 名称,以及当前的 packets 和 bytes。先查看规则和 named counter,确认名称没有拼错:

# 查看指定表里的规则与计数器,先确认观察对象的名称和位置
nft list table inet edge_filter

# 只列出指定表的 named counters,便于记录 packets 与 bytes 基线
nft list counters table inet edge_filter

如果规则使用了 named counter,输出中会出现类似 counter web_ingress 的对象。记录基线时不要只记“有命中”,要把两个数值都记下来:packets 更适合看请求次数,bytes 更适合发现大包、上传或响应体积变化。

建议用固定的记录格式,方便变更单或值班记录复用:

字段示例用途
family/tableinet edge_filter限定 reset 的作用范围
counterweb_ingress稳定定位观察对象
packets12480比较请求命中增量
bytes9823410比较流量增量
记录时间变更前对齐后续观察窗口

按范围选择 reset 命令

nftables 官方语法把 reset 设计成“列出并重置”有状态对象。针对 named counter,可以按三个范围选择命令:

# 只重置一个 named counter,适合单条规则或单个业务入口
nft reset counter inet edge_filter web_ingress

# 重置一张表里的所有 named counters,适合一次观察一组规则
nft reset counters table inet edge_filter

# 重置当前规则集可见范围内的 counters,影响最大,谨慎使用
nft reset counters

第一个命令最适合规则变更前后的单点对比;第二个命令适合把一张表视为一个统计窗口;第三个命令会扩大影响面,必须在记录中写清原因。reset 返回的内容可以作为“重置前最后一份快照”,因此不要把它的输出丢掉。

这里的关键是范围,而不是命令长短:单个 counter 的 reset 不会清空规则,表级 reset 也不改变表内的 chain、set 或 rule。它们改变的是计数状态。

规则变更后用同一个窗口比较命中增量

完成 reset 后再做规则变更,并等待一个预先约定的观察窗口。变更后不要拿历史日志里的累计值直接与当前值比较,而是重新读取同一批 named counters:

# 读取变更后的同一张表,保持 family、table 与基线一致
nft list counters table inet edge_filter

# 也可以连同规则一起查看,确认 counter 仍挂在预期规则上
nft list table inet edge_filter

比较时使用简单的增量:

# 变更后值减去变更前值,得到本次观察窗口的命中增量
delta_packets = after_packets - before_packets
delta_bytes = after_bytes - before_bytes

上面的片段是伪代码,变量名只表达计算关系。实际记录可以按下面的逻辑解释:

  • delta_packets = 0 且 delta_bytes = 0:观察窗口内没有命中,或流量没有经过这条规则。
  • delta_packets > 0:规则至少匹配到了流量,接下来结合 chain 顺序和 verdict 判断最终动作。
  • delta_bytes 增长明显但包数少:可能是少量大包或上传流量,不能只按请求数判断影响。

下面的第二张图把“基线、重置后的零点、同窗口结果”与规则对象分开表示,帮助区分统计口径和规则结构;它同样是静态说明图,不代表某台机器的实际输出。

nftables 规则变更前后以同一观察窗口比较 packets 与 bytes 增量的静态说明图
图2:静态关系图强调基线值、重置后的统计零点和同窗口增量之间的关系,不是性能数据或运行截图。

匿名 counter 为什么不能按同样方式管理

匿名 counter 绑定在单条规则内部,没有可供命令直接定位的稳定名称。nftables 官方 Counters 说明中也指出,reset named counters 不会重置匿名 counters。不要因为看到规则里有 counter 就默认 nft reset counter ... 能找到它。

如果业务确实需要可重复的变更前后对比,应把关键观察点改为 named counter,并在规则评审中固定命名。为了清空匿名计数器而重载整套无状态规则可能产生更大副作用,例如其它有状态信息也会被丢弃;这不应当作为普通变更的默认动作。

一份可复用的变更记录模板

可以把下面的内容放进变更单,重点是让下一位值班同事知道 reset 的范围和比较窗口:

# 记录这次观察的对象、窗口和变更目标
对象:inet edge_filter / web_ingress
变更前基线:packets=12480,bytes=9823410
重置范围:仅 named counter web_ingress
观察窗口:规则变更完成后 10 分钟
变更后读取:记录 after_packets 与 after_bytes
比较方式:after - before(以 reset 后零点为本次窗口起点)
回退依据:若命中增量异常,恢复原规则并保留本次快照

如果已经执行了 reset,最直接的补救不是再次 reset,而是保留当前读数、写清新的窗口起点,并在后续比较中只使用这一次 reset 之后的数据。

常见问题

reset counters 会删除 nftables 规则吗?

不会。它重置的是 counter 的状态值,不会删除 table、chain 或 rule。

应该使用 table 级 reset 还是单个 counter?

只观察一条规则时用单个 counter;需要把一张表作为整体统计窗口时用 table 级 reset。范围越大,越要提前记录影响对象。

为什么 reset 后看不到匿名 counter 归零?

匿名 counter 没有稳定名称,named counter 的 reset 不负责清理它。要获得可管理的窗口,优先改用 named counter。

比较 packets 还是 bytes?

请求数量优先看 packets,流量规模优先看 bytes。排障时同时记录两者,避免少量大包造成误判。

小结:用 named counter 固定观察对象,先记录基线,再选择最小必要范围执行 reset,规则变更后用相同窗口读取 packets 和 bytes。这样得到的是可解释的命中增量,而不是被历史累计值污染的模糊判断。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
openssl s_client -servername 缺失时证书为何变化openssl s_client -servername 缺失时证书为何变化
上一篇
openssl s_client -servername 缺失时证书为何变化
Linux nsenter --mount 怎样进入目标挂载视图
下一篇
Linux nsenter --mount 怎样进入目标挂载视图
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1019次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1021次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1155次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1122次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    963次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码