nftables reset counters 怎样做规则变更前后对比
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 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。 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: 如果规则使用了 named counter,输出中会出现类似 建议用固定的记录格式,方便变更单或值班记录复用: 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: 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。 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: 比较时使用简单的增量: 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: 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。 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 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。 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: 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。 不会。它重置的是 counter 的状态值,不会删除 table、chain 或 rule。 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。 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。 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。reset counters 是复数形式,表示按范围处理多个计数器;reset counter 
变更前先保存一份可解释的基线
# 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_filtercounter 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。字段 示例 用途 family/table inet edge_filter限定 reset 的作用范围 counter web_ingress稳定定位观察对象 packets 12480比较请求命中增量 bytes 9823410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
# 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规则变更后用同一个窗口比较命中增量
# 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# 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_bytesdelta_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。
匿名 counter 为什么不能按同样方式管理
counter 就默认 nft reset counter ... 能找到它。一份可复用的变更记录模板
# 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常见问题
reset counters 会删除 nftables 规则吗?
应该使用 table 级 reset 还是单个 counter?
为什么 reset 后看不到匿名 counter 归零?
比较 packets 还是 bytes?
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
- 下一篇
- Linux nsenter --mount 怎样进入目标挂载视图
-
- 文章 · linux | 31分钟前 | 性能排查 · Linux 性能诊断 perf stat cache-misses perf branch-misses PMU
- Linux perf stat 怎样区分分支预测失败和缓存未命中
- 418浏览 收藏
-
- 文章 · linux | 34分钟前 | linux运维 · 性能排查 · Linux 性能诊断 PSI memory pressure /proc/pressure/memory
- Linux /proc/pressure/memory 的 avg10 与 total 怎么读
- 443浏览 收藏
-
- 文章 · linux | 38分钟前 |
- systemd PathChanged 怎样触发服务处理文件变更
- 300浏览 收藏
-
- 文章 · linux | 38分钟前 |
- Linux cgroup v2 io.weight 与 io.max 怎么选
- 299浏览 收藏
-
- 文章 · linux | 41分钟前 | systemd ListenStream socket activation ListenDatagram
- systemd ListenStream 与 ListenDatagram 怎么选
- 293浏览 收藏
-
- 文章 · linux | 11小时前 |
- /proc/self/fd 读取进程已打开文件的排查方法
- 494浏览 收藏
-
- 文章 · linux | 11小时前 |
- udev 规则按硬件属性固定设备名称的实现
- 287浏览 收藏
-
- 文章 · linux | 11小时前 | ssh · Linux SSH 连接复用 ControlMaster ControlPath ControlPersist
- SSH ControlMaster 复用连接并限制共享范围的方法
- 176浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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
- 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
- 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
-
- 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
- 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
-
- 详解golang执行Linuxshell命令完整场景下的使用方法
- 2023-01-07 426浏览
-
- go程序部署到linux上运行的实现方法
- 2023-01-02 387浏览
-
- Linux系统下Go语言开发环境搭建
- 2023-01-07 242浏览
-
- 使用golang获取linux上文件的访问/创建/修改时间
- 2022-12-31 238浏览
-
- 在Linux系统中安装Go语言的详细教程
- 2022-12-29 402浏览

