猫猫博客

猫猫Emby服食用指南

Tue, 06 Aug 2024 00:00:00 GMT

截图一览

目前所存储的媒体内容：喵影坞

资源说明：

里面全是BDRIP和Blu-ray Remux，以画质为最优先级。
每次改动调整和新增，都会记录在更新日志中。新番默认直接使用ANI抓取，没有任何优化。（现已更新洗板字幕组功能，洗版成功会有通知）
收集的内容受个人喜好主观因素影响。
看我心情更新，催也没用，爬。
绝大多数视频的字幕都做了字体封装和压缩（为了解决字幕组部分特效字幕）。
新番采取全自动化入库洗版，如果BD发布会删除
压制组会选择较好较全的，多为：VCB-Studio和Moozzi2。
sp和扫图是默认删除的，因为sp小剧场对画质要求不高，我也不是很感冒，可b站自行观看，又全还带字幕。
内含成人内容和里番，请自行小心公开播放。
禁止泄露服务器地址和共享账户！！！！！
禁止用浏览器观看，让我发现，直接ban。

食用指南

小作文（该节点负载已满不再开放）

申请条件（已暂停）：

动画: Bangumi动画观看记录超过2 00部，有BD收藏可加分，并推荐一部你最喜欢的动画
Galgame: Bangumi中Galgame推完超过20部，有实体收藏可加分，并推荐一部你最喜欢的Galgame
漫画: Bangumi漫画观看记录超过50本，有实体收藏可加分，并推荐一部你最喜欢的漫画

以上活动均以结束（当然包括不限于以上这些，其他方式也可以，软门槛）

付费观看（介于很多人留言，所以单独新增节点重新开放）

购买

前往 Mujika Shop 可以看到一个10元（续期码）一个30元（注册码）

如果出现问题，请联系机器人说明问题，也可以留言

:::caution 根据embyboss的代码，当30天到期后，不完成续费，会导致账户前5天（第31天直到第35天）处于封存状态，当第36天未完成续费，账户会进行自动删除 :::

::github{repo="berry8838/Sakura_embyboss"}

发电后你都会得到一个优惠码，前往TG群聊输入 /start@catcat_embybot 找机器人开户

点击使用注册码注册成功获得账户密码

续期码的使用同理，但是是从10元那里获取的。这里不再重复了。

播放指南

这边Windows只推荐使用小秘Emby进行播放，安卓请使用Yamby。

mac和ios用户建议使用Infuse和SenPlayer进行播放。

具体可参见 Emby客户端推荐。这里仅仅只教学Win端，因为其他客户端属于傻瓜都会的点点点。

Windows

1.小秘客户端下载

地址：https://www.alipan.com/s/5ULuWmg3fjh

2.🧭 开启弹幕

此为旧版弹幕插件，目前社区开发了更好的弹幕插件，也可以尝试

记事本编辑 你的安装目录/Emby Theater/electronapp/www/index.html，添加以下内容后保存即可

安装原理不变，但是需要下载js到本地路径，下载ede.js文件，保存到对应目录，编辑index.html文件

GitHub

chen3861229/dd-danmaku

// <script src="ede.js" charset="utf-8" defer></script>
<script src="ede.js" charset="utf-8"></script>

## 旧方案
<script type="text/javascript" src="https://danmaku.movie.kg/ext.js"></script>
<link rel="stylesheet" href="https://danmaku.movie.kg/ext.css"/>

🌟 集成 Anime4K

讲第一步里下载的Anime-4K文件夹解压到 %appdata% 目录下

播放 1080p 及以下分辨率非 HDR 视频时自动开启(一般新番都会自动开启)

如果客户端版本比较新，需要修改下列设置，否则 Anime4K 可能没有效果

到此，你就可以开始愉快的欣赏番剧了。😋

Netcup 注册免税入坑指南

Wed, 15 May 2024 00:00:00 GMT

Netcup介绍

Netcup是一家总部位于德国的服务器提供商,成立于1998年，拥有德国纽伦堡和维也纳两大机房。目前运营域名注册,VDS,VPS,ARM VPS,杜甫,块存储等。因为机器性能优秀，带宽大，流量足常常被国内玩家用于PT场景。Netcup连续多年荣获欧洲最喜爱的网络托管商，他们非常在乎口碑，服务也非常好。但是由于欧洲德国人古板的守旧合同，购买时候的坑点不少。

注册准备

一份英文的账单。（可以是和其他欧洲VPS厂家的账单，但必须和你netcup的注册信息一样）

注册流程

打开官网：https://www.netcup.eu/（英文）https://www.netcup.eu/（德语）

获取优惠券

打开网址：https://www.netcup-sonderangebote.de

输入你的邮箱获取订阅

成功后你的邮箱将会收到两份邮件，一份是通知你的订阅他们的促销销毁，一份是给你的5欧代金券

兑换优惠券：https://www.netcup.eu/bestellen/gutschein_einloesen.php

找个订单（建议先看一下NetCup 机器价格说明）加入购物车，例如购买 RS 1000 G11的VDS系列。

点击Order now,会跳转至下方的界面。

请选择你需要订阅的周期，在Contract period处

解释一下：订购的时间越久，获得的折扣越大。所有12个月订购和1个月单独订购的价格是不一样的。

12个月免税前每个月的价格是9.81欧元，单独订购一个月的价格是11.77欧元。

如果订购的是9.87那个，你必须要完成至少一年的付费，不管你是用还是不用，都必须要付费，无法取消。德国人严格遵守合同，如果你没有完成12个月的订单，有可能会律师函。不重视合约的行为，会导致国人名声越来越差，只会导致后面人越来越难注册，也会对中国买家设置更高门槛。

下方可以进行你所需要的机房

无偏好的意思将根据实际可用容量托管在两个位置之一，随机一个机房。注意选择无偏好后不能更改机房位置。如果有自己偏好的话，德国机房需要额外增加1.51欧元，维也纳机房需要额外增加0.86欧元。

官方对于指定机房偏贵的解释是：如果选择“无偏好”，我们可以优化产能扩张，并传递由此产生的成本优势。简单点理解就是根据实际产能，优化订单的位置，产能多的机房会优先给无偏好的。

确认无误后，可以点击下方的加入购物车，进入结算界面

如果上面你已经兑换了代金券的话，这里购物车也会一并出现。如果没有的话可以同样在下面进行代金券的兑换。这边不再过多赘述。

点击下方，继续订购。来到了Netcup的注册界面

填写你的相关信息

注意：最好和你上面准备的订单信息一致，地址也需要翻译成英文，地区可以选China

点击最下面保存地址，然后继续确认订单

会出现订单的详细信息，可以清晰看到使用了5欧优惠券，月付的RS1000订单。下面两个都要选上同意。

点击继续订单，出现如下图所示文字代表订单已经订购完成，等待审核。

账户验证

如果完成了上述步骤，下面开始账户的身份验证。一般来说德国人会在你工作日时间的时候下午上班。

你的邮箱会收到一份邮件，如下图

请向我们发送以下信息，以便我们处理您的订单：

1. 拉丁字母地址证明（最好是英语或德语翻译）
例如：
- 煤气费、水费、电费、互联网提供商、移动电话提供商的账单
-来自您银行的文件，其中包括您的地址和姓名。
请注意，我们不接受订单确认和发货跟踪。

2. 如果您不需要增值税豁免，也请告知我们。在这种情况下，我们可以更快地处理您的订单。
如果您没有提及这一点，我们会将您的请求传递给我们的会计部门，该部门将检查是否免税。请注意，这可能需要几个工作日。

直接回复这份邮件，将准备好的订单作为附件发送过去。

发送之后就可以美滋滋的等待免税成功的通知和账户包含CCP的通知

里面会含有你的账户，密码。类似这样的

同时会收到他们的恭喜信息和账单说明

这封代表你的免税已经完成，需要你完全支付，人工确认你的订单

你可以用上面的CCP进行登陆支付啦

CCP支付订单

地址：https://www.customercontrolpanel.de

一般来说，网址的右上角会有你未付的订单，你需要完成付款

付款完成等待Netcup官方确认后，你会收到一封名字叫 Access data for SCP 的邮件。

里面包含了你的SCP的账户密码，用于管理Netcup给你的服务器

地址是：https://www.servercontrolpanel.de/SCP/

第二份邮件是你的服务器信息，名字叫 A Server has been created

里面会给到你的IP地址，root密码等信息。

这样，你就完成了Netcup免税,注册，购买的一条龙服务器啦。

取消Netcup机器

先登陆CCP，地址：https://www.customercontrolpanel.de

点击左边的 Products

点击机器前面的放大镜，点击Cancellation，选择里面的Cancel product。

特别说明：

netcup针对使用中的主机VPS取消，要在下一次续约时间前至少31天提交，也就是至少提前一个月提交取消申请。假如你购买的是计费周期按月计算的VPS，你只想用一个月，不想续约，那么就要在你购买付款后的第一天就要在后台点取消产品，否则将进入下个计费周期，至少订购2个月。

当然不知道具体取消时间也很简单，后台管理界面Cancellation里显示了当前时间终止合同后的生效时间。上面显示的时间就是你现在终止后，你的VPS最后使用的到期时间。

Netcup机器价格说明

以RS1000为例：

月付价格是11,76 €，免税后是9.88欧/月，每月付一次款，如果不想用了，要提前31天在后台取消。

由于新帐号都会使用5欧的优惠券，因此免税后，第一个月的帐单是5.67欧，后面每月是9.88欧。最短时间可以在第一次付款后，机器出现第一时间后台取消，因为要提前31天，可能是就这一个月就结束了，也有可能是下一个月结束。如果是下个月结束，2个月成本就是5.67+9.88欧。

年合约价格是9.81欧/月，免税后是8.24欧/月，每半年付一次款，至少要用1年。正常半年价格是8.24*6=49.44欧。

如果帐号是使用了3个月免费券的，因此前半年价格是8.24*3=24.72欧，后面半年是49.44欧。

像很多人说的活动款，大部分是硬盘翻倍的，如RS1000 G9.5 SE，此类就是年合约，半年付，免税后的半年付价格是8.24*6=49.44欧，每半年付，至少用一年！没有任何其它优惠。不能使用任何券。相对于普通版RS1000贵了3个月费用，在高速流量120T的情况下，其实就单刷PT来说普通版年付性价比会更高。

如何确认Netcup机器的订单周期

可以点击机器的订单界面，

Contract period代表合同期，意味着必须付款这12个月

Billing period 代表结算周期，代表费用多久缴一次

RS1000

</figcaption>

</figure>

ARM G11

</figcaption>

</figure>

如何确认你的账户是否免税成功

先登陆CCP，地址：https://www.customercontrolpanel.de

点击左侧，Master Data

如何PUSH机器

和上面取消机器在同一个地方，会生成一个转移码，这里不再过多赘述。

netcup对于后台有帐单未付的情况下，是无法接收其它人的机器的，因此对于新帐号注册时的订单，你需要付款或者发邮件取消，但一般也会回复你15天后会自动消失。因此一般情况下就是要么将未付的订单付款，要么等15天自动取消即可。

带宽流量规则

普通VPS流量为80TB，1G的带宽，超过80TB后会宽带会限制在100M带宽，可以无限流量，没有任何额外费用。

Root-Server系列是不限流量的，根服务器2.5G带宽，每个VPS保证至少1G可用带宽。为了保证其它客户的公平性，在同时满足以下条件时会被限制在200M带宽使用。

1、一个月内超过120TB流量。

2、超过60分钟的时间连续使用超过1Gbit/s的带宽。

上述2个条件，第一个很好理解，第二个估计部分人会觉得绕口，这里简单描述一下具体情况：就是你的VPS在一个小时内的流量超过了128M/s*3600s=460800M=460G，就是说只要保证一小时流量不超过460G，就可以一直以2.5G带宽运行。

新款Root Server G11最新流量规则是：如果过去24小时内流量超过3TB，则会临时限制为300Mbps。一旦条件不再适用，限制就会取消

Netcup优惠活动时间

黑色星期五(11月下旬)
圣诞节/元旦(12月下旬至1月初)
春季特卖(3-4月)
生日周年庆(5-6月份)
夏季特卖(7-8月)

NetCup 优惠券

5欧优惠券

36nc17454213600
36nc17454213601
36nc17454213602
36nc17454213603
36nc17454213604
36nc17454213605
36nc17454213606
36nc17454213607
36nc17454213608
36nc17454213609

VPS 1000 G11

4095nc17454214330
4095nc17454214331
4095nc17454214332
4095nc17454214333
4095nc17454214334
4095nc17454214335
4095nc17454214336
4095nc17454214337
4095nc17454214338
4095nc17454214339

RS 1000 优惠券

4096nc17454210800
4096nc17454210801
4096nc17454210802
4096nc17454210803
4096nc17454210804
4096nc17454210805
4096nc17454210806
4096nc17454210807
4096nc17454210808
4096nc17454210809

RS 2000 优惠券

4098nc17454214730
4098nc17454214731
4098nc17454214732
4098nc17454214733
4098nc17454214734
4098nc17454214735
4098nc17454214736
4098nc17454214737
4098nc17454214738
4098nc17454214739

什么值得买-持续更新ing（VPS推荐）

Wed, 05 Jul 2023 00:00:00 GMT

前言

经常有朋友会问我 "什么 VPS 适合建站、跑项目"、"什么 VPS 适合用来科学上网"、"什么 VPS 适合离线下载，PT下载" 之类的问题。于是准备写一篇我使用的VPS（什么值得买推荐）。

PS:这里不会出现CloudCone,Racknerd等超兽大王商家的推荐，以下均目前本人所持，长期使用的商家。

项目,建站,性能需求型推荐

1.Hetzner

俗称欧洲阿里云，性能钢炮。Hetzner 拥有数十万台服务器，是欧洲最大的数据中心运营商之一。自 1997 年成立以来，Hetzner 一直为私人和企业客户提供强大的托管产品和可靠的 IT 基础设施。通过结合其在创新技术、有吸引力的价格、专家支持和灵活的客户服务方面的优势，Hetzner 在德国和欧洲内外扩大了市场。Hetzner 是一家德国公司，在纽伦堡和法尔肯施泰因（均位于德国）和芬兰赫尔辛基拥有并运营着自己的高科技数据中心，最近又在美国弗吉尼亚州阿什本增设了一个新机房。一共有四个数据中心：德国 2 个，芬兰 1 个，美国 1 个。Hetzner 家的 VPS 和独服价格实惠，性能稳定，NVMe SSD，10Gbp 带宽，支持信用卡、Paypal 付款。就是到国内网络比较慢。AMD EPYC 处理器的 VDS 套餐性能可以。2024年还升级了旧的 CX产品线，价格同ARM系列持平。非常适合一些小业务需求。2024年 8 月更新，新上的新加坡地区，性价比较差。

购买链接

官网地址：Hetzner 官网（使用该链接首次注册或者购买机器，可以得到 20 欧的试用金（有效期一个月），可以试用各种型号的 VPS）

2025年社区20欧信用代码：HCC25-L4ET82

2.Crunchbits

一家 2021 年 11 月 30 日成立的美国主机商，主营 NVMe KVM VPS、EPYC 高频 NVMe VPS、锐龙 5950X NVMe KVM VPS、大硬盘存储、VDS锐龙 7950X 、GPU 显卡服务器和独立服务器，数据中心位于美国爱达荷州。最近在Low促销，生意不错，荣获 2023 最受推荐的供应商。机器稳定性不错，已有一台年兽近 360 天运行，2024年初的时候有年兽套餐，性价比极高，4.5G内存配125G 硬盘跑一些监控，小日志什么的非常合适。（目前年兽套餐已经无法循环计费，商家给出了升级版的迁移方案。）

购买链接

官网地址：Crunchbits 官网（无AFF）

促销请关注 Crunchbits-lowendtalk

3.Liteserver （近两年涨价离谱，非黑五不推荐）

2007年的老商家，自有ASN AS60404，主机托管于荷兰Serverius DC1资料中心，有NVMe及HDD可选，均提供1Gbps网络线路，流量会使用完成后会限速10Mbps。Liteserver的性价比很不错，在欧洲的口碑良好。支持NVME和HDD款互相切换，每年黑五都有五折优惠。2023年黑五进货了AMD 四代 9754系列，现在nvme款有两套选择，CPU不同，7763和9754。两款CPU性能差距不是很大，但是9754款存在io限制。建议的慎入。

购买链接

官网地址：Liteserver官网（有AFF）

4.Netcup

德国和 Hetzner 齐名的供应商，有 ARM，VDS，VPS，域名，块存储等一系列业务。经常做活动，有概率可以拿到很不错的配置，例如 RS2000 硬盘翻倍到 1T 的配置。唯一缺点是德国人对于合同的严谨性，部分机型存在合同期，购买前需谨慎。Netcup连续多年荣获欧洲最喜爱的网络托管商，他们非常在乎口碑，服务也非常好。

测评地址：Netcup RS 1000 G11 维也纳 AMD 9634 测评

注册教程：Netcup 注册免税入坑指南(内含优惠券)

5.Alwyzon

奥地利云服务商 Alwyzon，Hohl IT e.U.旗下品牌，主要售卖 KVM 虚拟化的 VPS，大硬盘存储 VPS 和独立服务器，在奥地利最大互联网中心 Interxion 园区内运营所有服务器。欧洲对等互联优秀。2024年也更新了性能款的产品线，目前使用的四代EPYC，Raid10 存储。

购买链接

官网地址：Alwyzon 官网（无AFF）

6.Nube.sh

快车道老板的品牌，知名上游，很多常见的例如lain 都是他们的下游。虚拟机流量计费为单向计费，只计算流出流量，不记流入。支持按小时计费。也有裸金属租用等，价格从亚太的角度来说挺不错。目前地区已经有了HK,US,SG,JP。机器性能比较不错，Zen 3 EPYC的1 vCPU 加 1GB DDR4内存最低每月2.82美金起。自营 IP 骨干网。控制台也是出钱自研的，非常简洁直观。

购买链接

官网地址：Nube.sh 官网（有AFF）

7.Evoxt

Evoxt，美国商家，成立于2020年，自有ASN 212083。老板是马来西亚华裔，工单支持中文，目前数据中心有12 个节点。机器的 CPU 和 IO 配置都比较可以，有些热门地区托管在比较知名的上游，比如香港日本在 xtom 的数据中心。香港也使用 7950x，其他地区也有像 epyc 四代一样的配置。

购买链接

官网地址：Evoxt 官网（有AFF）

优惠码: AFF292-sa （5%折扣）

离线下载,存储PT下载型推荐

对于下载需求分为两类，短期存储和长期存储。通过 VPS 下载中转然后上传到网盘，不需要长期保存，下载完传到网盘就删除，通常一部电影的大小在 5G 左右，一般 VPS 只有 10-20G 左右磁盘容量，除去系统和软件的占用，最多只能 1-2 个任务同时进行。如果有同时下载更多任务的需求，或者需要长期存储，那就需要考虑更大的空间，或者直接上大盘鸡了。

PT下载对网络和内存CPU都有一定的考验，流量消耗极大，常规机器刷力堪忧。

1.HostBrr （可刷PT，但注意流量，Hetzner转售）

Hetzner转售商，性价比极高。价格低廉（平均单价 2.2$/1TB），适合保种，离线下载用。目前开业一年有余，非常好。服务器主要位于德国/芬兰，支持Linux/Windows有储存鸡、高配鸡（7950XD、5950X、3900x、12900k）、独服、虚拟主机、Nat鸡，可以说什么都有。商家工单回复还算快、急的话可以直接去LET私聊商家，态度很好，无客户歧视。退款政策：14天内无条件退款（非常爽快），发工单即可。

购买链接

官网地址：HostBrr 官网（含AFF）

促销请关注 HostBrr-lowendtalk

2.BuyVM（PT刷力很烂，离线下载不错，唯一优点抗DMCA）

运营了十多年的老牌 VPS 商家，其无限流量 VPS 低至 3.5 美元/月，加上仅需 1.25 美元/月的 256G 附加存储空间，总共只需 4.75 美元/月就可以拥有一个 256G 无限流量大盘鸡。。连续付三个月可以升级为PRO用户，带宽升级到10G无限。由于极具性价比，所以经常处于缺货状态。有需求建议先注册账号。晚上凌晨为补货时间。

2025年更新：目前已经被 Cloudzy AI 收购。卢森堡地区可能会迁移去瑞士或者荷兰，具体方案还没给出。DMCA抗的效果未知。

购买链接

官网地址：BuyVM官网(有 AFF)

VPS 常用测试脚本

Tue, 28 Feb 2023 00:00:00 GMT

1.体检脚本

Yabs 脚本

GB6 跑分脚本，附带宽测试：
curl -sL yabs.sh | bash

GB6 剔除带宽测试，因为都是国外节点测试，国内跑没多大意义：
curl -sL yabs.sh | bash -s -- -i

GB5 跑分脚本，附带宽测试：
curl -sL yabs.sh | bash -5

GB5 剔除带宽测试：
curl -sL yabs.sh | bash -s -- -i -5

GB5 单向测试脚本
bash <(wget -qO- https://raw.githubusercontent.com/i-abc/GB5/main/gb5-test.sh)

Benchy Yabs 分支测试脚本
curl -Ls benchy.pw | sh

上古老脚本
curl -sL bench.monster | bash -s -- -asia

融合怪Go脚本

国际用户无加速：

export noninteractive=true && curl -L https://raw.githubusercontent.com/oneclickvirt/ecs/master/goecs.sh -o goecs.sh && chmod +x goecs.sh && bash goecs.sh env && bash goecs.sh install && goecs

国际/国内使用 CDN 加速：

export noninteractive=true && curl -L https://cdn.spiritlhl.net/https://raw.githubusercontent.com/oneclickvirt/ecs/master/goecs.sh -o goecs.sh && chmod +x goecs.sh && bash goecs.sh env && bash goecs.sh install && goecs

国内用户使用 CNB 加速：

export noninteractive=true && curl -L https://cnb.cool/oneclickvirt/ecs/-/git/raw/main/goecs.sh -o goecs.sh && chmod +x goecs.sh && bash goecs.sh env && bash goecs.sh install && goecs

短链接：

export noninteractive=true && curl -L https://bash.spiritlhl.net/goecs -o goecs.sh && chmod +x goecs.sh && bash goecs.sh env && bash goecs.sh install && goecs

2.回程脚本

curl https://raw.githubusercontent.com/ludashi2020/backtrace/main/install.sh -sSf | sh

3.一键安装脚本

Docker

curl -fsSL https://ba.sh/install-docker | bash

Zsh

curl -fsSL https://ba.sh/install-zsh | bash

qbittorrent

curl -fsSL https://ba.sh/install-qbt | bash

TCP内核一键调整

wget https://ba.sh/network && chmod 755 network && bash network

代理一键设置脚本

wget https://ba.sh/proxy && chmod 755 proxy && bash proxy

Snell 脚本

bash <(curl -fsSL snell-ten.vercel.app)

代理一键安装

wget -P /root -N --no-check-certificate "https://raw.githubusercontent.com/mack-a/v2ray-agent/master/install.sh" && chmod 700 /root/install.sh && /root/install.sh

4.NodeJS NVM脚本

# Download and install nvm:
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash
# in lieu of restarting the shell
\. "$HOME/.nvm/nvm.sh"
# Download and install Node.js:
nvm install 22
# Verify the Node.js version:
node -v # Should print "v22.17.1".
nvm current # Should print "v22.17.1".
# Verify npm version:
npm -v # Should print "10.9.2".

5.解锁测试

bash <(curl -Ls unlock.icmp.ing/test.sh)
bash <(curl -sL IP.Check.Place)
bash <(curl -Ls Net.Check.Place)

6.综合工具箱

wget -O box.sh https://raw.githubusercontent.com/BlueSkyXN/SKY-BOX/main/box.sh && chmod +x box.sh && clear && ./box.sh

7.流媒体测试

bash <(curl -Ls unlock.icmp.ing/test.sh) -m 4
bash <(curl -Ls unlock.icmp.ing/test.sh)
bash <(curl -sL IP.Check.Place)

8.Oracle 修改root脚本

#!/bin/bash
echo root:11235879 |sudo chpasswd root
sudo sed -i 's/^#\?PermitRootLogin.*/PermitRootLogin yes/g' /etc/ssh/sshd_config;
sudo sed -i 's/^#\?PasswordAuthentication.*/PasswordAuthentication yes/g' /etc/ssh/sshd_config;
sudo service sshd restart

默认密码是: 11235879
登录后一定要修改密码！命令：passwd

9.Swap脚本

wget https://www.moerats.com/usr/shell/swap.sh && bash swap.sh

10.Oracle dd Debian11 脚本

bash <(wget --no-check-certificate -qO- 'https://moeclub.org/attachment/LinuxShell/InstallNET.sh') -d 11 -v 64 -a  -p 自定义密码

11.byte-unixbench 性能测试

wget --no-check-certificate https://ba.sh/unixbench && chmod +x unixbench.sh && ./unixbench.sh

12.PerformanceTest Linux 测试

wget -O PerformanceTest_Linux_x86-64 https://catcat.cloud/d/ftp/PerformanceTest_Linux_x86-64 && chmod +x PerformanceTest_Linux_x86-64 && apt update && apt install -y libncurses6 libtinfo6 && ln -sf /usr/lib/x86_64-linux-gnu/libncurses.so.6 /usr/lib/x86_64-linux-gnu/libncurses.so.5 && ln -sf /usr/lib/x86_64-linux-gnu/libtinfo.so.6 /usr/lib/x86_64-linux-gnu/libtinfo.so.5 && ldconfig && ./PerformanceTest_Linux_x86-64

13.杜甫通用检测脚本

# English
curl -sL https://ba.sh/sick | bash 

# Chinese
curl -sL https://ba.sh/sick | bash -s -- -cn

14.独立服务器检测硬盘通电时间

wget https://github.com/Aniverse/A/raw/i/a && bash a

15.网络测试脚本

region_name = na, sa, eu, asia, africa, au, middle-east, india, china, iran, indonesia
curl -sL nws.sh | bash -s -- -r region_name

wget -qO- bench.sh | bash

wget -qO- nws.sh | bash

wget -qO- nws.sh | bash -s -- -r region_name

16.Warp 脚本

https://gitlab.com/fscarmen/warp.git

warp 一键脚本
wget -N https://gitlab.com/fscarmen/warp/-/raw/main/menu.sh && bash menu.sh
warp-go 一键脚本
wget -N https://gitlab.com/fscarmen/warp/-/raw/main/warp-go.sh && bash warp-go.sh

17.SpeedTest 安装

sudo apt-get install curl
curl -s https://packagecloud.io/install/repositories/ookla/speedtest-cli/script.deb.sh | sudo bash
sudo apt-get install speedtest

18.国内常用脚本

更换镜像源
bash <(curl -sSL https://linuxmirrors.cn/main.sh) 
Docker 安装
export DOWNLOAD_URL="https://mirrors.tuna.tsinghua.edu.cn/docker-ce"# 如您使用 curl
curl -fsSL https://raw.githubusercontent.com/docker/docker-install/master/install.sh | sh
# 如您使用 wget
wget -O- https://raw.githubusercontent.com/docker/docker-install/master/install.sh | sh

19.ServerStatus 部署

curl -sS -O https://raw.githubusercontent.com/Yuri-NagaSaki/Shell/refs/heads/main/setup_serverstatus.sh && chmod +x setup_serverstatus.sh && ./setup_serverstatus.sh

20.PVE 脚本

更换PVE主题脚本
git clone https://github.com/Happyrobot33/PVEThemes && cd PVEThemes && chmod +x install.sh && ./install.sh

bash <(curl -sSL https://gh-proxy.sakiko.de/https://raw.githubusercontent.com/Yuri-NagaSaki/Shell/refs/heads/main/PVE-Tools.sh)

21.Clash 一键设置

git clone --branch master --depth 1 https://github.com/nelvko/clash-for-linux-install.git \
  && cd clash-for-linux-install \
  && sudo bash install.sh

22.DD 一键重装脚本

具体参考 https://github.com/bin456789/reinstall

curl -O https://raw.githubusercontent.com/bin456789/reinstall/main/reinstall.sh || wget -O reinstall.sh $_
bash reinstall.sh debian --ssh-key ""

什么值得买-持续更新ing(自用机场推荐)

Thu, 23 Feb 2023 00:00:00 GMT

:::caution 任何机场服务商都存在跑路风险，建议谨慎选择年付套餐，并准备多个备用服务以防失联。建议优先选择月付或季付套餐，分散风险。 :::

目前在使用的

MujikaNetwork

官方链接（含 AFF） 2024 年开业的机场服务商，采用 IEPL 专线。主要优势是价格亲民，月付套餐仅需 5 元。

测试

节点列表

价格

过于信任AI，导致 cloudflare d1 超刷982亿行引发超额账单

Tue, 25 Aug 2026 00:00:00 GMT

起因：把监控丢给 AI 后，我被 D1 的读取量上了一课

上个月 GPT 5.6 发布，我手痒开启了 /goal 模式。

我的架构中有一些边缘业务运行在 Cloudflare Workers + D1 上。当时我想给系统补一套指标监控，便随口向 AI 下达了任务：“帮我做一套边缘业务的状态监控”。

AI 开启了自主规划与执行：它不仅完成了指标采集代码，还自作主张写了一个每 30 秒执行一次的 Edge D1 定时监控查询。更致命的是，为了统计待处理的目标状态，它的 SQL 逻辑里包含了缺乏有效索引的反复关联扫描与全表比对。

对于 AI 来说：有数据、逻辑闭环、单元测试全绿，任务就算完美交付。但它完全不知道 D1 是按底层扫描行数计费的。

几天后我查看账单监控，直接傻眼——D1 的读取量呈现灾难性暴增，光是事故爆发的两天，就刷出了 75.095B（约 751 亿行） 的读取量，整个账期累计达 98.27B（982.7 亿行）。

Cloudflare UTC 监控面板数据：

7 月 27 日：D1 总读取 43.389B，该监控 SQL 贡献 41.500B（占比 95.6%）。
7 月 28 日：D1 总读取 34.226B，该监控 SQL 贡献 33.595B（占比 98.2%）。
两天合计：监控 SQL 累计扫描 75.095B 行，占这两天总用量的 96.75%。

定价拆解：为什么一行简单的 SQL 能产生 73 刀额外账单？

1. Cloudflare D1 计费逻辑

Cloudflare D1 的核心计费指标是 Rows Read（扫描行数） 与 Rows Written（写入行数），并非按照返回给客户端的数据量计费。

项目	Workers Free	Workers Paid ($5/月)
Rows Read	500 万 / 天	250 亿 / 月（包含）
超额 Rows Read	—	$0.001 / 百万行
Rows Written	10 万 / 天	5000 万 / 月（包含）
超额 Rows Written	—	$1.00 / 百万行
存储空间	5 GB	5 GB（包含），超额 $0.75 / GB·月
出站流量	免费	免费

关键陷阱：D1 的 Rows Read 计算的是数据库底层引擎实际遍历扫描的行数。
哪怕你的 SELECT 最终只返回 10 条数据，但由于缺乏索引或低效 JOIN 导致 SQLite 引擎扫了全表 100 万行，计费时就会严格按 100 万 Rows Read 结算。

2. Workers 与 D1 的叠加链路

Workers Paid 基础套餐包含每月 1000 万次请求和 3000 万 CPU ms。每 30 秒跑一次 Cron Worker 本身几乎不消耗什么资源，但其背后的调用放大效应十分惊人：

$$\text{Cron Worker (每 30 秒)} \xrightarrow{\text{触发}} \text{无索引全表关联 SQL} \xrightarrow{\text{单次扫描数千万行}} \text{巨量 Rows Read}$$

3. 最终账单算式

账期总读取：98.27B Rows
Paid 计划免费额度：25.00B Rows
超额读取量：98.27B - 25.00B = 73.27B Rows
超额扣费： $$\frac{73.27 \times 10^9}{10^6} \times $0.001 = $73.27$$

虽然 73 刀没有造成毁灭性损失，但这完全是因为 D1 的单价极低（10 亿行才 1 美元）。如果换成按写入计费的数据库或按 token 计费的 API，这类无界死循环足够让人直接破产。

止损与申诉：如何向 Cloudflare 申请减免？

定位问题后，我第一时间下线了对应的采集 Worker。既然故障已经发生，抱着试试看的心态，我开始调研 Cloudflare 是否支持非恶意故障的一次性账单减免（Courtesy Credit）。

通过检索，我发现遇到类似情况的开发者不在少数：

几个经典的减免参考案例：

My $5/month Cloudflare bill hit $4,868 because of an infinite loop（全额减免约 $4500+）
D1 one-time overage ~$564 — fixed, requesting credit before invoice
官方社区工单记录 #01953111 与 #02179960

提交工单模板（8 月 2 日）

向官方沟通时，要做到数据清晰、态度诚恳、说明根因并证明已经彻底修复：

Hello Cloudflare Billing Support,

I am writing to respectfully request a one-time courtesy credit or waiver for an accidental D1 Rows Read overage of approximately USD 73.27.

Account ID: xxxx
D1 database: xxxx
Database ID: xxxxxx

Billing details:
- Total Rows Read: 98.27 billion
- Included Rows Read: 25 billion
- Overage: 73.27 billion
- Estimated overage charge: ~USD 73.27

This overage was caused by a runaway internal monitoring SQL query, not by production traffic or end-user activity. It was an isolated operational mistake on our side.

Breakdown of the incident days:
- July 27, 2026: 43.389B total rows read, of which 41.500B came from the monitoring query
- July 28, 2026: 34.226B total rows read, of which 33.595B came from the monitoring query

The monitoring query alone accounted for 75.095B rows over these two days.  
Excluding this isolated incident, our total usage for the period would have been only approximately 23.175B rows — well below the included 25B allowance.

We identified the issue and permanently disabled the D1 metrics collector on August 2, 2026 at 14:56:09 UTC. We have verified that the query is no longer being issued. The root cause has been fully removed and the problem has already been fixed.

We fully understand how D1 Rows Read billing works and take complete responsibility for this operational error. Additional safeguards have also been put in place to prevent similar issues in the future.

Given that this was a one-time isolated mistake, the issue has already been permanently fixed, and our normal usage remains within the included allocation, we sincerely and respectfully request a one-time courtesy credit or waiver for the 73.27B Rows Read overage.

All relevant evidence (billing details, query analytics, and remediation records) has been attached.

Thank you very much for your time and consideration.

Best regards

官方反馈与前置条件（8 月 22 日）

8 月 22 日，Cloudflare 支持团队回复表示可以进入账户信用审核流程，但要求账户必须开启 Billable Usage 监控并配置 Budget Alert（预算告警）。

按要求在 Dashboard 开启 Budget Alert：

随后回复确认：

Thank you very much for your assistance.

I’ve now configured the billable-usage budget alert on my account as requested, with a threshold greater than $10.

Please proceed with the account-level review of the D1 usage and the $73.27 overage from the July 27–28 usage spike.

I really appreciate your help with investigating this issue. I’ll wait for your follow-up regarding the review and any possible one-time credit.

Thanks again for your support!

Best regards

最终结果（8 月 25 日）

审核顺利通过。由于当期账单已自动扣款，Cloudflare 将 $73.27 全额退还到了账户余额中（Credit Balance），可直接用于抵扣后续订阅费用。

Vibe Coding 时代的冷思考：当自主 Agent 遇上按量计费

GPT 5.6 的 /goal 模式和传统的 Copilot 辅助补全有本质区别。它更像一个自主 Agent：给它一个目标，它会自主拆解、编写代码、跑测试、修复报错，直到它认为目标达成。

但这里存在一个致命的认知代沟：

AI 只对逻辑正确性负责，不对你的钱包负责：在 AI 眼中，跑通功能的权重大于一切。它不会考虑“单次查询扫描成本”、“Serverless 冷启动代价”或“第三方 API Rate Limit”。
云原生的自我修复（Self-Healing）容易变成刷量放大器：如果代码存在死循环或资源泄漏，现代云平台的容器重启、重试机制会默默掩盖故障，让费用在后台无限累积。Reddit 上就有开发者分享过 AI Agent 死循环生成图片导致 700 刀蒸发的真实惨剧。

生产环境防背刺指南（SaaS 避坑清单）

在将任务放权给自主编码 Agent 之前，必须在基础设施层建立防御：

硬顶预算限制（Hard Limit）高于一切：

接入任何 Serverless/SaaS 服务前，第一步不是写代码，而是去 Billing 页面开启 Budget Alert 与 Hard Limit（超额自动熔断）。

审计 AI 生成的高频定时任务与 SQL：

对任何 setInterval、Cron Trigger 或后台 Worker 保持高度警惕。
在 D1/SQLite 中，涉及关联查询必须执行 EXPLAIN QUERY PLAN 确认命中索引，严禁让无索引扫描暴露在定时轮询中。

在应用层设计熔断机制（Circuit Breaker）：

限制 Worker 单次执行的超时时间与单批次处理上限（Batch Size）。
增加死信队列与异常重试熔断，避免任务失败后无限死循环拉起。

小步迭代，禁止无人值守全量发布：

AI 写完代码后，先在 Local/Staging 观察 Metrics 指标，确认资源消耗符合预期再切流量。

总结：Vibe Coding 确实解放了生产力，但在涉及按量计费（Pay-as-you-go）的基础设施时，千万不要当甩手掌柜。

国内 EdgeOne、海外 Cloudflare：配置全球分流来加速 R2 存储桶

Fri, 14 Aug 2026 00:00:00 GMT

本文说明如何把同一个对外主机名分流：中国大陆访问走腾讯云 EdgeOne，境外访问走 Cloudflare for SaaS，对象仍只存在一份源站上。

有两层做法，不要混用概念：

层	粒度	套餐
DNS 分线路	默认、境内、境外，以及部分服务商提供的运营商线路	DNS 服务商能力
EdgeOne 流量调度	国家或地区、中国大陆运营商、省份、省份加运营商、美国各州、印度各邦；可按权重分配	仅 EdgeOne 企业版

DNS 分线路只能把解析切到「境内 / 境外」这一档。企业版在解析已经进入 EdgeOne CNAME 之后，再按地理位置与运营商把请求分给 EdgeOne 或其它 CDN 的 CNAME。官方说明见流量调度管理。

适合已经把对象放在 Cloudflare R2 自定义域、并且对外域名由支持分线路的 DNS 服务商托管的实施人员。整区 NS 已切到 Cloudflare 时，无法按境内运营商做 DNS 分流；仍可把对外主机名 CNAME 到 EdgeOne，再用企业版流量调度把境外指到 Cloudflare。

按顺序阅读：名称约定 → Cloudflare 回退源与自定义主机名 → 证书 TXT → 境外回源 Host → EdgeOne 源站 → DNS 分线路 → 企业版流量调度（可选）→ 验收。证书不是 Active 时，不要把境外流量切到 Cloudflare。

名称约定

全文使用 RFC 2606 示例域名。将 example.com 换成对外域名，将 example.net 换成已接入 Cloudflare 的区。

名称	示例	作用
对外主机名	`cdn.example.com`	浏览器地址栏中的唯一名字
Cloudflare 区	`example.net`	已接入 Cloudflare，并已开通 Cloudflare for SaaS
对象源	`files.example.net`	R2 自定义域，负责返回对象
接入名	`customers.example.net`	境外 CNAME 的目标；橙云空记录，只负责把流量引入 `example.net` 区
EdgeOne CNAME	`cdn.example.com.eo.dnse0.com`	EdgeOne 控制台为加速域名下发的接入值

解析与回源关系：

境内: cdn.example.com → cdn.example.com.eo.dnse0.com → EdgeOne → HTTPS 回源 files.example.net
境外: cdn.example.com → customers.example.net → Cloudflare for SaaS → 回退源 files.example.net

example.com 继续由 DNSPod、阿里云 DNS 或华为云 DNS 等支持分线路的服务商托管。不要把 example.com 的 NS 切到 Cloudflare。

不要把 cdn.example.com 直接 CNAME 到 files.example.net。请求会到达 Cloudflare Anycast 地址，但证书主体备用名称（SAN）只有 files.example.net。客户端使用 SNI cdn.example.com 握手时失败。必须在 Cloudflare for SaaS 中添加自定义主机名，单独为 cdn.example.com 签发证书。

前置条件

Cloudflare 账号已接入区 example.net，并且已开通 Cloudflare for SaaS（控制台路径：SSL/TLS → Custom Hostnames）。
files.example.net 已作为 R2 自定义域绑定，代理状态为已代理（橙云），并且可以直接返回对象。
EdgeOne 站点已创建。步骤 1 至步骤 5 在个人版与企业版均可完成。步骤 6 的流量调度仅企业版、且站点为 CNAME 接入时可用。
cdn.example.com 所在区支持「默认 / 境内 / 境外」等分线路解析。
源站 WAF 或 Bot 管理不会拦截 EdgeOne 回源。回源 Host 与回源 SNI 必须是 files.example.net。R2 自定义域不接受 Host 为 cdn.example.com 的请求。

验证对象源：

curl -sI "https://files.example.net/path/to/object.webp"

预期结果：HTTP 状态为 200，Content-Type 与对象类型一致。

步骤 1：配置 Cloudflare 回退源与接入名

回退源（Fallback origin）与接入名（CNAME target）不是同一个记录。

名称	作用
回退源	自定义主机名通过验证后，Cloudflare 将请求转到的源站主机名
接入名	境外解析指向的主机名，只负责把流量引入 SaaS 区

回退源填写 files.example.net。该主机名必须已代理，并且已经能够返回对象。

不要把回退源指到任意源站 IP。接入名使用 A 记录指向源站 IP 时，Cloudflare 可能返回 520。接入名 CNAME 到 R2 自定义域时，Cloudflare 可能返回 1014（CNAME Cross-User Banned）。

1.1 创建接入名

在 example.net 的 DNS 中新增一条空源记录：

类型	名称	内容	代理状态
AAAA	`customers`	`100::`	已代理

控制台不支持 AAAA 时，改用 A 192.0.2.1，代理状态同样为已代理。该记录不提供源站内容，只用于把流量引入边缘。

1.2 指定回退源

打开 SSL/TLS → Custom Hostnames。
将 Fallback origin 设为 files.example.net。
等待回退源状态变为 Active。

当前回退源如果仍是 customers.example.net，删除或更改该 DNS 记录会失败，错误信息包含 Deletion of this record is not allowed 与 fallback origin。先将回退源改为 files.example.net，再修改接入名记录。

1.3 添加自定义主机名

选择 Add Custom Hostname。
Custom hostname 填写 cdn.example.com。
证书验证方法选择 TXT。不要选择 HTTP。

HTTP 验证不适用于本方案。默认线路指向 EdgeOne 时，证书颁发机构的校验请求到不了 Cloudflare。若站点启用 Always Use HTTPS，HTTP 校验还会 301 到尚未签发证书的 HTTPS，校验失败。

控制台随后给出证书验证 TXT。常见形式：

名称: _acme-challenge.cdn.example.com
值:   <控制台给出的令牌>

部分账号还会给出主机名归属 TXT：_cf-custom-hostname.cdn.example.com。两条记录都按步骤 2 写入。未出现第二条时，只处理证书验证 TXT。

步骤 2：写入证书 TXT

在自定义主机名的 Certificate 变为 Active 之前，不要修改境外 CNAME。

DNS 控制台会把主机记录与区名拼接成 FQDN。控制台复制的是完整名称，主机记录中不得再次包含区名。

控制台显示的名称	DNS 主机记录	类型	线路	记录值
`_acme-challenge.cdn.example.com`	`_acme-challenge.cdn`	TXT	默认	控制台给出的令牌
`_cf-custom-hostname.cdn.example.com`	`_cf-custom-hostname.cdn`	TXT	默认	控制台给出的令牌

主机记录如果写成 _acme-challenge.cdn.example.com，实际记录名为 _acme-challenge.cdn.example.com.example.com。证书颁发机构查询 _acme-challenge.cdn.example.com 得到空应答，证书保持 Pending Validation。

写入后检查：

dig +short TXT _acme-challenge.cdn.example.com

预期结果：应答中包含控制台给出的令牌。

返回 Custom Hostnames，刷新自定义主机名状态。同时满足以下条件后再继续：

Hostname 为 Active
Certificate 为 Active

检查证书是否已部署到边缘：

echo | openssl s_client -connect 104.26.1.14:443 -servername cdn.example.com 2>/dev/null \
  | openssl x509 -noout -ext subjectAltName

将 104.26.1.14 换成 customers.example.net 当前解析到的任一 Cloudflare 地址。预期结果：SAN 包含 DNS:cdn.example.com。SAN 中没有该名称时，停止修改 CNAME。

证书签发后，保留 _acme-challenge.cdn 这条 TXT，续期仍需要该记录。

步骤 3：处理境外回源 Host

自定义主机名生效后，境外请求进入 example.net 区，浏览器 Host 仍是 cdn.example.com。R2 自定义域按 Host 匹配存储桶，因此直接回源 files.example.net 会失败。

三种做法只启用一套。不要同时配置 Origin Rule、Snippet 与 Worker。

做法	套餐	原理	适用
Origin Rule 改写 Host	仅 Enterprise	回源前把 Host / SNI 改成 `files.example.net`	企业套餐，不想写代码
Snippet 子请求	Pro 及以上	用 `fetch()` 访问 `files.example.net`	付费套餐，规则不够用
Worker 绑定 R2	含免费套餐	Worker 用存储桶绑定读对象，不依赖 Host	免费套餐默认选择；也适合需要 Range / HEAD 的图床

Free、Pro、Business 的 Origin Rule 不能改写 Host header，也不能改写 SNI。以 Cloudflare 文档中 Origin Rules 的套餐表为准。控制台若没有「Host Header」或保存时报 entitlement 错误，改用 Worker。

公开图床只允许 GET 与 HEAD。不要在 Worker 中实现 PUT 或 DELETE。

3.1 Origin Rule（仅 Enterprise）

前置条件：区套餐为 Enterprise。

打开 example.net → Rules → Origin Rules → Create rule。
规则名称填写 cdn-example-origin-host。
条件：Hostname equals cdn.example.com。
操作：
- Host Header → Rewrite to files.example.net
- SNI → files.example.net（有该选项时一并填写）
部署规则。

预期结果：境外请求回源时，源站看到的 Host 为 files.example.net，R2 返回对象。

非 Enterprise 区不要使用本小节。

3.2 Snippet（Pro 及以上）

前置条件：区套餐为 Pro、Business 或 Enterprise。免费套餐没有 Snippets。

Snippet 不能改写原始请求的 Host。需要构造发往 files.example.net 的子请求。fetch() 使用 URL 主机名作为 Host，只修改请求头无效。

打开 Rules → Snippets → Create Snippet。
名称填写 cdn-example-origin-host。
匹配表达式填写 (http.host eq "cdn.example.com")。不要匹配 files.example.net，否则子请求会再次进入 Snippet。
粘贴下面的代码并部署。

const ORIGIN_HOST = "files.example.net";

export default {
  async fetch(request) {
    const incoming = new URL(request.url);
    if (incoming.hostname === ORIGIN_HOST) {
      return fetch(request);
    }

    const url = new URL(request.url);
    url.hostname = ORIGIN_HOST;
    url.protocol = "https:";

    const headers = new Headers(request.headers);
    headers.delete("host");

    return fetch(
      new Request(url.toString(), {
        method: request.method,
        headers,
        body: request.body,
        redirect: "manual",
      }),
    );
  },
};

3.3 Worker 绑定 R2（推荐，免费套餐可用）

Worker 通过存储桶绑定读取对象，不经过 R2 自定义域的 Host 校验。SaaS 自定义主机名只要把流量引进区，Worker 路由匹配 cdn.example.com/* 即可出对象。

创建 Worker 并绑定存储桶

打开 Workers & Pages → Create → Worker。
名称填写 cdn-example-r2。
用下面的模块 Worker 替换默认代码，保存并部署。
打开该 Worker 的 Settings → Bindings → 添加 R2 Bucket：
- Variable name：MY_BUCKET
- R2 bucket：选择实际存储桶

export default {
  async fetch(request, env) {
    if (request.method !== "GET" && request.method !== "HEAD") {
      return new Response("Method Not Allowed", {
        status: 405,
        headers: { Allow: "GET, HEAD" },
      });
    }

    const url = new URL(request.url);
    const key = decodeURIComponent(url.pathname.replace(/^\/+/, ""));
    if (!key) {
      return new Response("Not Found", { status: 404 });
    }

    const object = await env.MY_BUCKET.get(key, {
      onlyIf: request.headers,
      range: request.headers,
    });

    if (object === null) {
      return new Response("Object Not Found", { status: 404 });
    }

    const headers = new Headers();
    object.writeHttpMetadata(headers);
    headers.set("etag", object.httpEtag);
    headers.set("Accept-Ranges", "bytes");

    const hasBody = request.method === "GET" && "body" in object;
    return new Response(hasBody ? object.body : undefined, {
      status: hasBody || request.method === "HEAD" ? 200 : 412,
      headers,
    });
  },
};

range 与 onlyIf 把客户端的 Range、If-None-Match 传给 R2，便于大文件分段下载与缓存再验证。

使用 Wrangler 时，等价绑定如下：

name = "cdn-example-r2"
main = "src/index.js"
compatibility_date = "2026-08-14"

[[r2_buckets]]
binding = "MY_BUCKET"
bucket_name = "example-assets"

将 example-assets 换成实际桶名。

添加 Worker 路由

路由必须写对外主机名，不要写对象源。

打开 example.net → Workers Routes → Add route。
填写：

项	值
Route	`cdn.example.com/*`
Worker	`cdn-example-r2`

不要填写 files.example.net/*。对象源本身已能通过 R2 自定义域访问；再绑同一 Worker 容易造成循环或重复计费。

自定义主机名未 Active 时，该路由不会匹配到生产流量。

使用 Worker 时，回退源仍保持 files.example.net。请求在回源之前被 Worker 接管，不再依赖 Host 改写。

3.4 可选：Worker 代理 Backblaze B2

对象不在 R2、而在 B2 时，不能使用存储桶绑定。需要在 Worker 内用 S3 兼容接口签名后回源。

前置条件：

已创建 B2 存储桶，并生成 Application Key
记录该桶的 S3 Endpoint，形式为 s3.<region>.backblazeb2.com

回退源 DNS

在 example.net 增加一条记录，指向 B2 的 S3 Endpoint，而不是 Friendly URL：

类型	名称	内容	代理状态
CNAME	`b2`	`s3.us-west-004.backblazeb2.com`	已代理

将 us-west-004 换成该桶实际区域。Custom Hostnames 的回退源改为 b2.example.net。

Worker 环境变量

变量名	含义	示例
`B2_APPLICATION_KEY_ID`	应用密钥 ID	控制台生成
`B2_APPLICATION_KEY`	应用密钥	控制台生成，按 Secret 保存
`B2_ENDPOINT`	S3 Endpoint 主机名	`s3.us-west-004.backblazeb2.com`
`B2_REGION`	Endpoint 中的区域	`us-west-004`
`BUCKET_NAME`	存储桶名	`example-assets`

不要把密钥写入 Worker 源码。

Worker 代码

依赖 aws4fetch。在 Worker 设置中添加该依赖，或使用 Wrangler 安装后部署。

import { AwsClient } from "aws4fetch";

const UNSIGNED_HEADERS = new Set([
  "authorization",
  "connection",
  "content-length",
  "expect",
  "host",
  "range",
  "user-agent",
  "x-amzn-trace-id",
  "x-forwarded-proto",
  "x-real-ip",
]);

function filterHeaders(headers) {
  const next = new Headers();
  for (const [name, value] of headers.entries()) {
    const lower = name.toLowerCase();
    if (UNSIGNED_HEADERS.has(lower) || lower.startsWith("cf-")) {
      continue;
    }
    next.set(name, value);
  }
  return next;
}

export default {
  async fetch(request, env) {
    if (request.method !== "GET" && request.method !== "HEAD") {
      return new Response("Method Not Allowed", {
        status: 405,
        headers: { Allow: "GET, HEAD" },
      });
    }

    const url = new URL(request.url);
    url.hostname = `${env.BUCKET_NAME}.${env.B2_ENDPOINT}`;
    url.protocol = "https:";

    const client = new AwsClient({
      accessKeyId: env.B2_APPLICATION_KEY_ID,
      secretAccessKey: env.B2_APPLICATION_KEY,
      service: "s3",
      region: env.B2_REGION,
    });

    const signed = await client.sign(url.toString(), {
      method: request.method,
      headers: filterHeaders(request.headers),
    });

    const outbound = new Request(signed);
    const range = request.headers.get("Range");
    if (range) {
      outbound.headers.set("Range", range);
    }

    return fetch(outbound);
  },
};

完整签名与重试逻辑见 Backblaze 文档 Integrate Cloudflare Workers with Backblaze B2。

B2 的两条路由

B2 与 R2 不同，回退源本身不能直接按自定义 Host 出对象。需要两条路由：

Route	Worker
`cdn.example.com/*`	`cdn-example-b2`
`b2.example.net/*`	`cdn-example-b2`

第一条服务对外主机名。第二条覆盖回退源，避免未匹配自定义主机名时的 1014 或空响应。

步骤 4：配置 EdgeOne 源站

加速域名使用对外主机名 cdn.example.com。源站填写对象源，不要填写接入名或源站 IP。

配置项	值
加速域名	`cdn.example.com`
源站类型	源站域名
源站地址	`files.example.net`
回源协议	HTTPS
回源端口	443
回源 Host	`files.example.net`
回源 SNI	`files.example.net`

回源 Host 仍为 cdn.example.com 时，R2 无法按自定义域匹配存储桶，源站返回 4xx 或 1014。

回源 SNI 必须为 files.example.net，TLS 才会进入 example.net 区。

EdgeOne 回源被源站 WAF 拦截时，边缘状态码常为 403，响应头可能出现 eo-cache-status: MISS。需要为 EdgeOne 回源放行，或为回源请求增加固定头部并在 Cloudflare 跳过对应规则。不要把该 403 解释为边缘节点延迟高。

使用 R2 作为对象源时，EdgeOne 回源 Host 与 SNI 仍必须是 files.example.net。不要把 EdgeOne 源站填成接入名。

步骤 5：配置分线路 CNAME

未开通企业版流量调度时，用 DNS 分线路完成境内 / 境外切分。已开通流量调度时，见步骤 6：DNS 可以只保留指向 EdgeOne 的一条 CNAME。

仅在 Certificate 为 Active 之后修改 CNAME。同一解析线路只保留一条 CNAME。

主机记录	类型	线路	记录值
`cdn`	CNAME	默认	`cdn.example.com.eo.dnse0.com`
`cdn`	CNAME	境外	`customers.example.net`

效果：

中国大陆运营商，以及未命中「境外」的解析，指向 EdgeOne。
境外解析指向 Cloudflare for SaaS。

也可以改为「默认 → customers.example.net，境内 → EdgeOne CNAME」。两种写法都有效。默认指向 EdgeOne 时，未携带 EDNS Client Subnet 的境内递归解析器更不容易误指向 Cloudflare。

不要同时配置：

同一线路上的两条 CNAME
境外目标为 files.example.net 或其它 R2 自定义域

EdgeOne 要求的域名归属 TXT（主机记录通常为 _dnsauth.cdn）保留，线路选择默认。

步骤 6：企业版流量调度（可选）

DNS 分线路通常只能区分「境内 / 境外」或「电信 / 联通 / 移动」。EdgeOne 企业版的「流量调度管理」在请求已经打到 EdgeOne 接入 CNAME 之后，再按更细的地理位置与运营商选择服务商。

官方前提：已购买 EdgeOne 企业版，并且站点使用 CNAME 模式接入。免费版与个人版没有该功能。

相对 DNS 分线路，流量调度可以指定：

国家或地区
中国大陆运营商
中国大陆省份
省份加运营商（例如某一省的电信）
美国各州
印度各邦
按比例分配（同一线路上多个服务商设置权重）

细粒度规则优先于粗粒度规则。官方示例：北京走源站，中国大陆其它地区走服务商 A，默认线路走服务商 B。未匹配到的请求走默认策略。默认策略不可删除，未修改时全部流量走 EdgeOne。

6.1 与 DNS 分线路如何配合

流量调度下发的 CNAME 与加速域名默认 CNAME 相同。DNS 已指向 cdn.example.com.eo.dnse0.com 时，提交策略后立即生效，不必再改解析。

推荐写法：

DNS 记录	值
`cdn` CNAME（默认，可不再拆境外）	`cdn.example.com.eo.dnse0.com`

然后在流量调度里把中国大陆指到 EdgeOne，把默认或指定境外区域指到 Cloudflare 接入名。

不要同时在 DNS 境外线路指向 customers.example.net、又在流量调度里把同一批地区指到 Cloudflare。两套规则叠在一起，排障时无法判断是解析切走了，还是调度切走了。选定一层作为生产策略。

停用流量调度后，全部流量改由 EdgeOne 服务。删除策略前必须先停用。已被策略引用的服务商不能删除。修改已被引用的服务商 CNAME 会立即作用于策略。

6.2 添加服务商与策略

打开 EdgeOne 控制台 → 目标站点 → 域名服务 → 流量调度管理。
选择加速域名 cdn.example.com，创建调度策略。
添加服务商。默认服务商 EdgeOne 不可修改、不可删除。新增一项，名称例如 Cloudflare，CNAME 填写 Cloudflare 接入名 customers.example.net。不要填写对象源 files.example.net。
添加策略。先改默认策略，再加细粒度线路。

示例：默认走 Cloudflare，中国大陆走 EdgeOne，并单独列出若干美国州与印度邦（便于以后改权重或切回 EdgeOne）：

线路 / 区域	服务商	权重
默认	Cloudflare	100
中国大陆	EdgeOne	100
美国特定州，例如加利福尼亚、华盛顿、得克萨斯、弗吉尼亚	Cloudflare	100
印度特定邦，例如卡纳塔克邦	Cloudflare	100

默认已经是 Cloudflare、权重为 100 时，美国各州与印度邦的单独条目与默认结果相同。需要这些地区与默认不同时，再改该行的服务商或权重。

同一线路可以选择多个服务商并设置权重，用于灰度。权重之和按控制台规则分配，不要假设未写出的比例。

Cloudflare 一侧仍须完成自定义主机名与步骤 3 的回源 Host 处理。流量调度只决定请求先进入哪家 CDN，不会替 R2 改写 Host。

6.3 验收差异

启用流量调度后，境内与境外解析到的 CNAME 往往都是 cdn.example.com.eo.dnse0.com。不要再用「境外 CNAME 是否为 customers.example.net」判断分流是否生效。

改为检查 HTTPS 响应头：

客户端位置	预期
中国大陆	`eo-log-uuid` 或 `eo-cache-status`；证书 SAN 为 `cdn.example.com`
默认境外，或策略中指向 Cloudflare 的州邦	`cf-ray`；`server` 为 `cloudflare`；证书 SAN 为 `cdn.example.com`

中国大陆某一省若单独配置了省份或省份加运营商策略，以该条为准，不以「中国大陆」整区为准。

验收

证书为 Active、解析生效后执行以下检查。仅使用步骤 5、未启用流量调度时，CNAME 预期如下。

dig @1.1.1.1 cdn.example.com CNAME
dig @223.5.5.5 cdn.example.com CNAME

查询来源	预期 CNAME
境外公共解析器，例如 `1.1.1.1`	`customers.example.net`（仅 DNS 分线路时）
境内公共解析器，例如 `223.5.5.5`	`cdn.example.com.eo.dnse0.com`（受线路与 ECS 影响，以权威应答为准）

启用步骤 6 后，境外解析也可以是 cdn.example.com.eo.dnse0.com。此时以响应头区分服务商，见 6.3。

权威应答不得在两次查询之间切换目标：

dig @ns1.example.com cdn.example.com CNAME
dig @ns2.example.com cdn.example.com CNAME

将 ns1.example.com / ns2.example.com 换成 example.com 的权威 NS。

请求同一对象：

curl -sI "https://cdn.example.com/path/to/object.webp"

观察点	预期
境外客户端	响应头包含 `cf-ray`；`server` 为 `cloudflare`；证书 SAN 为 `cdn.example.com`
境内客户端	响应头包含 `eo-log-uuid` 或 `eo-cache-status`；证书 SAN 同样为 `cdn.example.com`
对象源对照	`https://files.example.net/path/to/object.webp` 返回 200；ETag 与 `Content-Length` 与对外主机名一致

不要用 https://customers.example.net/ 判断对象是否可访问。接入名是空源记录，不提供内容。

完成效果

以下为配置完成后的一次 ITDOG 多点拨测截图，约 260 个监测点。数字只反映该次测试，不是长期统计，也不能外推到未出现在图中的对象体积或时间段。

企业版：中国大陆

地图各省份落在「小于或等于 0.5 s」档。全部节点平均约 0.193 s。电信 / 联通 / 移动平均分别约 0.158 s、0.241 s、0.192 s。

企业版分流后：境外走 Cloudflare

境外监测点状态码均为 200。响应 IP 为 Cloudflare Anycast（例如 104.26.x.x、172.67.x.x），说明流量调度或 DNS 境外策略已把这些地区交给 Cloudflare，而不是继续留在 EdgeOne。

香港、台湾总耗时多在 0.03 s 至 0.06 s。可见列表中较慢的点包括印度孟买（约 1.73 s，其中下载约 1.60 s）。其余多数城市落在约 0.17 s 至 0.9 s。

对照：同一拨测口径下的免费版 EdgeOne

免费版在相同类型的 ITDOG 中国大陆测试中，全国平均约 1.477 s。电信 / 联通 / 移动平均分别约 1.297 s、2.032 s、1.334 s。该次最慢点为福建厦门联通，约 7.212 s。地图上出现较多 0.5 s 至 3 s 的省份，尾部还有数秒级节点。

与免费版相比，企业版在中国大陆节点就近和尾部延迟上差距很大。该次全国平均从约 1.48 s 降到约 0.19 s，最慢点从约 7.2 s 降到约 2.4 s。差距主要来自可用 PoP 与运营商覆盖。

高智商领导 + 便宜执行：Codex / Claude Code / Pi 分层子代理配置教程

Sun, 02 Aug 2026 00:00:00 GMT

在 2026 年的 vibe code 编程里，单纯用一个最强模型硬刚所有任务已经不划算了(富哥当然随意)。用高智商模型当领导，便宜模型当工人应该是目前的不错的省token玩法。 Sol负责判断、拆解、指挥、审核和兜底；Luna grok 负责高吞吐的探索、实现和测试。

本文给出完整可落地的配置方法，重点推荐把配置写在项目级（.codex/、AGENTS.md 等），方便版本控制、团队共享和项目隔离。全局配置只作为个人默认。

所有事情都丢给 Sol，又贵又慢，上下文还容易糊。

核心哲学

Sol（或等价高智商模型）：规划、决策、冲突解决、最终验收、兜底。始终保留最终决策权和外部操作（commit、PR、部署）的控制权。
Luna（或便宜/快速模型）：边界清晰的执行任务、并行探索、实现、测试。
闭环：Sol 规划 → Luna 并行干活 → Sol 审核整合 / 兜底。

Claude Code 也可以同理：主会话重模型fable-5，子代理 opus。Pi 还能跨 Codex / Claude 调度。

模板和 skill：

::github{repo="Yuri-NagaSaki/subagent-skills"}

装 skill：

npx skills add Yuri-NagaSaki/subagent-skills -g -y

只给 Claude Code：

npx skills add Yuri-NagaSaki/subagent-skills -g -a claude-code -y

装完跟 agent 说：按 sol-luna-setup 在当前项目配一下就行。

当然这里并不绝对，因为每个人的项目都不同，你可以让AI读这些skill，让他学会自己配。

为什么现在都在建议这么做？

举两个我自己踩过的情况。

1. 全用 Sol 扫仓库
比如「帮我看看这个 monorepo 里 auth 在哪」。Sol 能搞定，但会读一堆无关文件，token 涨得很快，主会话后面再做决策也变钝。而且由于codex的限制，sol也只有200多K的上下文，会浪费大量的token。

2. 全用便宜模型硬刚架构
边界没写清的时候，Luna 会自己扩 scope：你让它改一个函数，它顺手把旁边模块「整理」了。便宜是便宜，返工不省。

所以比较稳的分工是：

谁	干什么
Sol（主会话）	理解需求、拆任务、审 diff、commit / 开 PR
luna_scout	只读：找文件、理依赖
luna_worker	在指定范围内改代码
luna_critic	挑问题：正确性、安全、缺测试
luna_tester	按你说的命令跑测试，回报 pass/fail

价格

单位都是 每 1M tokens，美元。

OpenAI 在 2026-07-30 下调了 Terra 和 Luna（公告），Sol 没动。

模型	输入	输出	说明
gpt-5.6-sol	$5.00	$30.00	旗舰，7 月 30 日未降
gpt-5.6-terra	$2.00	$12.00	原先 $2.50 / $15，大约降 20%
gpt-5.6-luna	$0.20	$1.20	原先 $1 / $6，降了 80%
grok-4.5	$2.00	$6.00	xAI 文档：prompt 较短时这档；prompt ≥200k 会更高。缓存输入大约 $0.30
claude-fable-5	$10.00	$50.00	Anthropic 定价页，Fable 5

光看输入：以前 Luna 对 Sol 大约 1:5，现在大约 1:25。
所以「领导 Sol、执行 Luna」比 GPT-5.6 刚出来那会儿更划算。Terra 可以当中档日常用；Fable 很强但输出 $50/M。官方的意思其实我感觉也是多鼓励探索多agent模式，早在fable-5发布的时候就在宣扬这种观点了。

怎么装到自己项目

方式 A：只装 skill（推荐）

npx skills add Yuri-NagaSaki/subagent-skills -g -y

然后让 agent 按 skill 写配置。

方式 B：脚本直接生成文件

git clone https://github.com/Yuri-NagaSaki/subagent-skills.git
export OPENAI_API_KEY="你的key"   # 别写进仓库
bash subagent-skills/scripts/bootstrap.sh /path/to/your-project

大致会多这些：

.codex/config.toml
.codex/agents/luna_*.toml
AGENTS.md
.claude/agents/
scripts/prepare-luna-catalog.sh

把 config.toml 里的 base_url 改成你自己的网关。Key 用环境变量。

Codex 项目级配置

项目里的 .codex/ 会覆盖 ~/.codex/ 里同名项。
和项目相关的策略写进仓库，个人习惯放全局。

config 示例

model = "gpt-5.6-sol"
model_provider = "gateway"
model_reasoning_effort = "xhigh"

[features]
multi_agent = true
multi_agent_v2 = false

[agents]
max_concurrent_threads_per_session = 4
default_subagent_model = "gpt-5.6-luna"
default_subagent_reasoning_effort = "max"

[model_providers.gateway]
name = "Custom Gateway"
base_url = "https://your-gateway.example/v1"
env_key = "OPENAI_API_KEY"
wire_api = "responses"

worker 示例

name = "luna_worker"
description = "在明确文件范围内实现改动"
model = "gpt-5.6-luna"
model_reasoning_effort = "max"
sandbox_mode = "workspace-write"
developer_instructions = """
只做交代范围内的改动。尽量小 diff。
不要 commit、开 PR、部署。
做完说明改了哪些文件、怎么验证、哪里没把握。
任务不清楚或做不了就 escalate 回主会话。
"""

scout / critic 用 read-only。完整模板在仓库 templates/。

AGENTS.md 写清：谁能 commit、什么算越界、失败要不要打回。

问题 1：Sol spawn 不到 Luna

配置写对了也可能遇到：

Unknown model `gpt-5.6-luna` for spawn_agent.
Available models: gpt-5.6-sol, gpt-5.6-terra

原因是模型目录里 Sol / Terra 常见标 multi-agent v2，Luna 是 v1，V2 侧直接把 Luna 滤掉了。

仓库里有个脚本：

bash scripts/prepare-luna-catalog.sh "$(pwd)/.codex/models-v1.json"

生成后把 model_catalog_json 指到这个文件的绝对路径，并保持 multi_agent_v2 = false。
更多说明：docs/sol-luna-catalog-fix.md。

我这边修完之后，Sol 才能正常 spawn luna_scout 并收回结果。
在这之前，只是「两个模型都能单独聊」，算不上 multi-agent。

Claude Code

子代理是 markdown，例如：

---
name: luna-worker
description: 范围明确时改代码、补测试、搜索
model: opus
---
只做明确范围内的事。不要 commit。做完说明结果和不确定点。

主会话用你账号里更强的模型就行。
注意：root 下某些高权限模式会直接拒绝，换普通用户。

Fable 5 输出按 $50/M 算的话，让它去全仓库乱翻不太合适，留给真难的设计和终审。

Pi（可选）

如果要在一个会话里同时叫 Codex 和 Claude，可以看 Pi + pi-flow：

pi install npm:@kky42/pi-flow

仓库 templates/pi/ 有示例档案。
只做 Codex 项目的话，先把 Sol/Luna 跑顺再加 Pi，省得一次配三套。

一些习惯

给工人的说明写清楚：目标、能改哪些路径、不能碰什么、要交什么结果
并行，3～4 个够用；别多个 worker 抢同一个文件
探索和审查尽量只读；commit 留主会话
安全相关别只信便宜模型
项目配置进 git，密钥不要进 git
spawn 列表里没有 Luna 就先修 catalog，再谈并行

公共项目：Catbash 猫脚本、IX 专线监测 & 字幕子集化

Sun, 26 Jul 2026 00:00:00 GMT

一、Catbash 猫脚本（SICK）

::github{repo="Yuri-NagaSaki/SICK"}

官网：https://catbash.net/
仓库：https://github.com/Yuri-NagaSaki/SICK

菜单：curl -sL https://catbash.net/menu | bash
硬件检测：curl -sL https://catbash.net/sick | bash
IPERF3：curl -sL https://catbash.net/nets | bash
GeekBench：curl -sL https://catbash.net/cpux | bash

预览

SICK 硬件报告：

NETS 网络吞吐：

CPUX Geekbench：

简单用法

菜单

curl -sL https://catbash.net/menu | bash

直接跑某一项也行：

# 硬件信息（中文）
curl -sL https://catbash.net/sick | bash -s -- -cn

# 缺工具时自动装一下
curl -sL https://catbash.net/sick | bash -s -- -y -cn

# 只要 JSON
curl -sL https://catbash.net/sick | bash -s -- --json

网络测速：

# 精简节点 + 每方向 5 秒
curl -sL https://catbash.net/nets | bash -s -- -r -t 5

# 只测亚太
curl -sL https://catbash.net/nets | bash -s -- --region apac -4

CPU 跑分：

# 交互选 GB5 / GB6 / GB7
curl -sL https://catbash.net/cpux | bash

# 直接跑 Geekbench 6
curl -sL https://catbash.net/cpux | bash -s -- 6

# 三套全跑
curl -sL https://catbash.net/cpux | bash -s -- all

二、公有云到 IX 专线监测

买了一些公有云机器和 IX / 专线路由，想直观看看延迟和连通情况，就做了个公开 Dashboard。

监测页：https://s.ee/ixm

目前探测点大概有：

阿里云深圳
火山引擎上海
火山引擎广州
腾讯云上海

对端线路（Mk 云那边的几条 + 其他）：

上海 IX → 日本 BGP
上海 IX → 香港 BGP
深圳 IX → 香港 BGP
广州腾讯 BGP → 香港 IEPL
上海电信 → 日本 IPLC
4299 云计算 POP 沪日

后面有合适的线路还会继续加。

三、在线字幕子集化 FontInAss

做番剧 / BD 字幕时常见的坑：不带字体，特效和字体名对不上就糊成一团；把整套字体塞进 MKV，体积又会胖一圈。子集化就是只留下字幕实际用到的字，再嵌回 ASS，体积能砍掉一大截，换机播放也不用再装字体。

::github{repo="Yuri-NagaSaki/FontInAss"}

在线服务：https://font.anibt.net
仓库：https://github.com/Yuri-NagaSaki/FontInAss

本地 / 自托管也行：仓库里有 Docker Compose，挂上自己的 fonts 目录就能跑；还有跨平台 CLI，适合字幕组批量处理。Emby/Jellyfin 侧的部署写法之前写过，有需要可以看下面两篇：

ASS 字幕字体子集化：从原理到实践（原理 + 在线版）
Docker 部署 fontInAss（Emby 字幕字体）（本地/反代集成）

GLM-5.1/5.2 FP8 在 8xH200 上的上下文与并发测试记录

Fri, 03 Jul 2026 00:00:00 GMT

服务器配置和环境

项目	配置
主机名	H200
系统	Ubuntu 26.04 LTS
Kernel	Linux 7.0.0-15-generic
CPU	2 x Intel Xeon Platinum 8558
CPU 核心/线程	96C / 192T
内存	2.0 TiB
GPU	8 x NVIDIA H200
单卡显存	143771 MiB
GPU 互联	nvidia-smi topo 显示 8 卡之间为 NV18
NVIDIA Driver	595.71.05
CUDA	13.2
Docker 镜像	vllm/vllm-openai:glm52-cu129
Docker 镜像 ID	sha256:894456ff199741e4e6a06292e360e6582b79a8f450f34d48b4bd8a4f35124b7d
vLLM 版本	0.1.dev17670+g7d24aa6f2
系统盘	MR9560-8i, 893.8G
数据盘	2 x 7T XFSP4157T60000N, 挂载到 /data/data1 与 /data/data2

模型	路径
GLM-5.1-FP8	/data/data2/vllm/models/ZhipuAI_GLM-5.1-FP8
GLM-5.2-FP8	/data/data2/vllm/models/ZhipuAI_GLM-5.2-FP8

部署配置参考过 vLLM 官方 recipe：

https://recipes.vllm.ai/zai-org/GLM-5.1-FP8.json
https://recipes.vllm.ai/zai-org/GLM-5.2.json

测试方法

长上下文测试使用 OpenAI 兼容接口发送 /v1/completions 请求。主测试配置如下：

项目	配置
Tensor Parallel	8
KV cache dtype	fp8
max_model_len	200000
max_num_seqs	1 或 2
gpu_memory_utilization	GLM-5.2 长上下文并发测试为 0.87
MTP	关闭
enforce_eager	开启
长上下文输出长度	32 tokens

短上下文高并发测试使用同一类 /v1/completions 请求，客户端同时发起 8 或 32 个请求。prompt 为不同内容，不依赖 prefix cache。

项目	配置
Tensor Parallel	8
KV cache dtype	fp8
max_model_len	4096
max_num_seqs	64
gpu_memory_utilization	0.84
MTP	关闭
输入长度	约 2000 tokens
输出长度	512 tokens
用户并发	8、32

长上下文测试结果

模型	上下文	用户并发	成功	平均 prompt tokens	平均输出 tokens	平均延迟	Prompt 吞吐
GLM-5.1-FP8	120K	1	1/1	120058	32	28.05s	4212 tok/s
GLM-5.1-FP8	120K	2	2/2	120057	32	49.10s	4828 tok/s
GLM-5.1-FP8	198K	1	1/1	198032	32	55.58s	3519 tok/s
GLM-5.1-FP8	198K	2	2/2	198048	32	94.48s	4134 tok/s
GLM-5.2-FP8	120K	1	1/1	119934	32	29.23s	4029 tok/s
GLM-5.2-FP8	120K	2	2/2	119959	32	45.62s	5170 tok/s
GLM-5.2-FP8	198K	1	1/1	197944	32	62.82s	3119 tok/s
GLM-5.2-FP8	198K	2	2/2	197943	32	67.36s	5731 tok/s

同机对比中，GLM-5.2-FP8 在 120K 并发 2 和 198K 并发 2 下吞吐更高；在单请求长上下文下，GLM-5.1-FP8 的延迟和 prompt 吞吐更好。这组长上下文每个场景请求数较少，结论应理解为本轮部署和脚本下的记录，不应扩大为通用性能结论。

场景	GLM-5.2 相对 GLM-5.1 的平均延迟	GLM-5.2 相对 GLM-5.1 的 Prompt 吞吐
120K，并发 1	+4.2%	-4.3%
120K，并发 2	-7.1%	+7.1%
198K，并发 1	+13.0%	-11.3%
198K，并发 2	-28.7%	+38.6%

GLM-5.2 1M 上下文启动尝试

GLM-5.2-FP8 额外尝试了 1M 上下文启动，主要参数如下：

项目	配置
max_model_len	1048576
Tensor Parallel	8
KV cache dtype	fp8
max_num_seqs	1
gpu_memory_utilization	0.90
MTP	关闭
enforce_eager	开启

服务在 KV cache 规划阶段失败，没有进入可请求状态。日志中的关键错误如下：

ValueError: To serve at least one request with the model's max seq len (1048576), (52.68 GiB KV cache is needed, which is larger than the available KV cache memory (21.08 GiB). Based on the available memory, the estimated maximum model length is 419648.

因此，在本次 8xH200、FP8 KV cache、gpu_memory_utilization=0.90 的配置下，GLM-5.2-FP8 没有完成 1M 上下文服务启动。估算的可启动最大长度为 419648 tokens。看来想跑得8卡B200了，找机会试试。

短上下文 8/32 用户并发测试

短上下文测试使用约 2K input / 512 output，观察并发 8 和 32 下的吞吐。

模型	用户并发	成功	平均 prompt tokens	平均输出 tokens	平均延迟	请求吞吐	Prompt 吞吐	输出吞吐	总吞吐
GLM-5.1-FP8	8	8/8	1975.0	512	138.22s	0.0578 rps	114.1 tok/s	29.6 tok/s	143.6 tok/s
GLM-5.1-FP8	32	32/32	1980.3	512	156.67s	0.2036 rps	403.1 tok/s	104.2 tok/s	507.3 tok/s
GLM-5.2-FP8	8	8/8	1966.6	512	128.18s	0.0622 rps	122.4 tok/s	31.9 tok/s	154.3 tok/s
GLM-5.2-FP8	32	32/32	1977.2	512	121.18s	0.2629 rps	519.9 tok/s	134.6 tok/s	654.5 tok/s

在短上下文高并发场景中，GLM-5.2-FP8 的吞吐更高，尤其是并发 32：

场景	GLM-5.2 相对 GLM-5.1 的平均延迟	GLM-5.2 相对 GLM-5.1 的请求吞吐	GLM-5.2 相对 GLM-5.1 的总吞吐
2K/512，并发 8	-7.3%	+7.8%	+7.4%
2K/512，并发 32	-22.7%	+29.2%	+29.0%

vLLM 启动日志中的容量信息如下：

模型	max_model_len	模型加载显存记录	可用 KV cache	GPU KV cache size	4096 tokens/request 最大并发估算
GLM-5.1-FP8	4096	89.86 GiB	17.81 GiB	311104 tokens	75.95x
GLM-5.2-FP8	4096	89.38 GiB	18.30 GiB	364160 tokens	88.91x

火山云代购 QA 说明

Thu, 18 Jun 2026 00:00:00 GMT

:::note 本文为代购 / 折扣信息，不代表火山引擎官方。下单、计费、售后均以官方平台为准。我只是赚点小钱。再次声明，我不是代理商。我也不和代理商比价。 :::

事先声明

1.由于本人和火山有其他业务，而非代理商，所以一般是交付产品root，不需要你做任何操作，你只需要告诉我你的需求用量，不需要注册账户。
1. IX接入用途我想懂的都懂，有被监管的风险，如果被火山发现，我会配合监管控制机器，会删鸡不退款。下单前慎重考虑。
3.必须阅读火山官官网的处罚的材料：https://www.volcengine.com/docs/6256/126150?lang=zh

折扣产品

主要的折扣产品目前有

上海，广州地区的云服务器，弹性块存储，共享带宽包，公网IP，负载均衡，内容分发网络（CDN），对象存储，云数据库MySQL版等产品。

由于折扣属于隐私信息，不好直接公布。我这里给个初步的，大概都是5折左右的官网价格，部分产品可能更低。

产品说明

防止有的人看不懂什么是共享带宽包。

首先官方文档：https://www.volcengine.com/docs/6623/96141?lang=zh

以下说明均以单向1T流量进行说明。共享流量包已经目前在火山下架，现在应该是需要找代理才能加白进行下单。目前市场活动价是1T大概 380-437rmb之间。

Q1：共享带宽包和共享流量包的区别是什么？

A1: 两个包从技术角度上没什么区别，都是最大支持2000M带宽。不同点在于，带宽包更加灵活。流量包类似于很多优化线路商家的玩法，比如1T 就是1T这样，有一个固定死的上限和时间周期，多了需要找代理额外的买。带宽包不需要，他是以每G的流量进行单独的计费，不设置上限。

下面是官方计费说明：

共享流量包

共享带宽包

解释到这样，不会还有人听不懂区别吧。

Q2: 为什么没有活动机？ A2: 活动机不参与企业折扣，不存在折上折的情况。

Q3:为什么没有 coding plan？ A3: 不属于云业务，我不做这个。

产品定价

目前我找出的几个合适的云服务器。

经济型e

ecs.e-c1m1.large
2 vCPU Intel Xeon Platinum
2 GiB
20 G 云硬盘
￥42.00 元/月

我这边能给到的价格是年付 250 rmb/年，不包含网络。相当于这个产品5折。

本地SSD型i3s

规格：ecs.i3s.3xlarge
vCPU：12 vCPU Intel Xeon(Sapphire Rapids) Platinum 8457C
内存：96 GiB
处理器主频/睿频：2.6 GHz / 3.1 GHz
网络带宽（基准/峰值）：9 Gbps / 20 Gbps
网络收发包：220万PPS
云盘 IOPS 基准 / 峰值：5 万 / 8 万
云盘带宽基准 / 峰值：2 Gbps / 4 Gbps
本地SSD: 3576GiB * 1
原价：￥2619.15 元/月

我这边能做到的价格为￥999 元/月，不包含网络。

大数据hdd型d2c

规格：ecs.d2c.4xlarge
vCPU：14 vCPU Intel Xeon(Ice Lake) Platinum 8336C
内存：56 GiB
处理器主频/睿频：2.3 GHz / 3 GHz
本地HDD: 7452GiB * 3 共计22TB
原价：￥2307.71 元/月

我这边能做到的价格为￥888 元/月，不包含网络。

网络

我这里一律5折。也就是官网 0.8元/G 我可以0.4元/G.

如果包年包月的话，价格是5M带宽起，0每月300rmb/月。（支持更大） 1G带宽不限的话，我可以 50000 rmb /月。（原价1G是9w元）

其他产品

建议和我私聊，太多了。本文有限，我就不一一说明了。

数据库 CDN 对象存储均有优惠。

联系方式

Telegram交流群：TG
Telegram单独联系：TG
邮件联系： sa@catcat.blog

双路 EPYC 9575F + RTX 6000D 8 卡 BenchMark

Tue, 09 Jun 2026 00:00:00 GMT

前言

这次测的是一台 8 卡 GPU 服务器，核心配置是 8 × NVIDIA RTX 6000D、双路 AMD EPYC 9575F、1.5TiB DDR5-5600 ECC，系统是 Ubuntu 24.04.2 LTS，CUDA 12.9，驱动 595.71.05。

有需要的老板欢迎来月租，国内机房交付。

以下内容是虚拟化的测试结果，图一乐 GPU测试走的本机 PCIe P2P/共享内存通信，正式会以裸机交付。

硬件配置

项目	配置
CPU	2 × AMD EPYC 9575F
本次环境暴露核心	112C / 224T
NUMA	2 个 NUMA node
内存	1.5TiB DDR5-5600 ECC
GPU	8 × NVIDIA RTX 6000D
单卡显存	85651 MiB，约 83.05 GiB
GPU Compute Capability	12.0
CUDA / Driver	CUDA 12.9 / NVIDIA Driver 595.71.05
本地数据盘	3.84*4 SAMSUNG MZQL23T8HCLS-00B7C
NFS	`/data`
系统盘	480G *2 SAMSUNG MZ7L3480HCHQ-00B7C
Raid 卡	9540-8i*1
网卡	单口400G * 4 双口25G*

硬件测试

完整测试

下面保留 gpubench 的完整终端输出，按模块拆分展示；每个代码块都开启行号，方便定位和引用。

GPU 基础性能

╭────────────────────────────╮
│ Detailed Benchmark Results │
╰────────────────────────────╯

╭───────────────────────────────┬────────────────────────────────────╮
│ GPU Data Generation ▸ Field   │ Value                              │
├───────────────────────────────┼────────────────────────────────────┤
│ Input Parameters              │ Data Size: 5.0 GB, Precision: fp16 │
├───────────────────────────────┼────────────────────────────────────┤
│ Metrics                       │ Bandwidth: 962.17 GB/s             │
├───────────────────────────────┼────────────────────────────────────┤
│ Execution Time (s)            │ 0.02028                            │
├───────────────────────────────┼────────────────────────────────────┤
│ Score                         │ 4,810.831136                       │
├───────────────────────────────┼────────────────────────────────────┤
│ Bandwidth Gb Per Second       │ 962.166227                         │
├───────────────────────────────┼────────────────────────────────────┤
│ Data Size Gb                  │ 5                                  │
├───────────────────────────────┼────────────────────────────────────┤
│ Time Seconds                  │ 0.02028                            │
╰───────────────────────────────┴────────────────────────────────────╯

╭───────────────────────────────┬────────────────────────────────────╮
│ GPU to CPU Transfer ▸ Field   │ Value                              │
├───────────────────────────────┼────────────────────────────────────┤
│ Input Parameters              │ Data Size: 5.0 GB, Precision: fp16 │
├───────────────────────────────┼────────────────────────────────────┤
│ Metrics                       │ Bandwidth: 30.80 GB/s              │
├───────────────────────────────┼────────────────────────────────────┤
│ Execution Time (s)            │ 0.162332                           │
├───────────────────────────────┼────────────────────────────────────┤
│ Score                         │ 1,232.044343                       │
├───────────────────────────────┼────────────────────────────────────┤
│ Bandwidth Gb Per Second       │ 30.801109                          │
├───────────────────────────────┼────────────────────────────────────┤
│ Data Size Gb                  │ 5                                  │
├───────────────────────────────┼────────────────────────────────────┤
│ Time Seconds                  │ 0.162332                           │
╰───────────────────────────────┴────────────────────────────────────╯

╭───────────────────────────────┬────────────────────────────────────╮
│ GPU to GPU Transfer ▸ Field   │ Value                              │
├───────────────────────────────┼────────────────────────────────────┤
│ Input Parameters              │ Data Size: 5.0 GB, Precision: fp16 │
├───────────────────────────────┼────────────────────────────────────┤
│ Metrics                       │ Bandwidth: 51.49 GB/s              │
├───────────────────────────────┼────────────────────────────────────┤
│ Execution Time (s)            │ 0.97108                            │
├───────────────────────────────┼────────────────────────────────────┤
│ Score                         │ 1,029.781711                       │
├───────────────────────────────┼────────────────────────────────────┤
│ Bandwidth Gb Per Second       │ 51.489086                          │
╰───────────────────────────────┴────────────────────────────────────╯

╭───────────────────────────────────────┬──────────────────────────────────────────────────────╮
│ GPU Tensor Core Performance ▸ Field   │ Value                                                │
├───────────────────────────────────────┼──────────────────────────────────────────────────────┤
│ Input Parameters                      │ Matrix Size: 4096, Iterations: 1000, Precision: fp16 │
├───────────────────────────────────────┼──────────────────────────────────────────────────────┤
│ Metrics                               │ GFLOPS: 135078.76                                    │
├───────────────────────────────────────┼──────────────────────────────────────────────────────┤
│ GFLOPS                                │ 135,078.756934                                       │
├───────────────────────────────────────┼──────────────────────────────────────────────────────┤
│ Execution Time (s)                    │ 1.017473                                             │
├───────────────────────────────────────┼──────────────────────────────────────────────────────┤
│ Score                                 │ 2,701.575139                                         │
╰───────────────────────────────────────┴──────────────────────────────────────────────────────╯

╭──────────────────────────────────┬─────────────────────────────────────────────────────────────────────╮
│ GPU Computational Task ▸ Field   │ Value                                                               │
├──────────────────────────────────┼─────────────────────────────────────────────────────────────────────┤
│ Input Parameters                 │ Epochs: 200, Batch Size: 2048, Input Size: 4096, Hidden Size: 4096, │
│                                  │ Output Size: 2000, Precision: fp16                                  │
├──────────────────────────────────┼─────────────────────────────────────────────────────────────────────┤
│ Metrics                          │ GFLOPS: 13360.37 across 8 GPU(s)                                    │
├──────────────────────────────────┼─────────────────────────────────────────────────────────────────────┤
│ Execution Time (s)               │ 1.531004                                                            │
├──────────────────────────────────┼─────────────────────────────────────────────────────────────────────┤
│ Score                            │ 534.414781                                                          │
├──────────────────────────────────┼─────────────────────────────────────────────────────────────────────┤
│ Num Gpus Used                    │ 8                                                                   │
├──────────────────────────────────┼─────────────────────────────────────────────────────────────────────┤
│ Per Gpu Batch Sizes              │ {                                                                   │
│                                  │   "0": 256,                                                         │
│                                  │   "1": 256,                                                         │
│                                  │   "2": 256,                                                         │
│                                  │   "3": 256,                                                         │
│                                  │   "4": 256,                                                         │
│                                  │   "5": 256,                                                         │
│                                  │   "6": 256,                                                         │
│                                  │   "7": 256                                                          │
│                                  │ }                                                                   │
├──────────────────────────────────┼─────────────────────────────────────────────────────────────────────┤
│ Performance Gflops               │ 13,360.369537                                                       │
╰──────────────────────────────────┴─────────────────────────────────────────────────────────────────────╯

╭─────────────────────────────────────┬────────────────────────────────────────────────────────────────────────╮
│ GPU Inference Performance ▸ Field   │ Value                                                                  │
├─────────────────────────────────────┼────────────────────────────────────────────────────────────────────────┤
│ Input Parameters                    │ Model: custom, Model Size: 5, Batch Size: 256, Input Size: 224, Output │
│                                     │ Size: 1000, Precision: fp16                                            │
├─────────────────────────────────────┼────────────────────────────────────────────────────────────────────────┤
│ Metrics                             │ Throughput: 675791.51 samples/s                                        │
├─────────────────────────────────────┼────────────────────────────────────────────────────────────────────────┤
│ Execution Time (s)                  │ 0.03862                                                                │
├─────────────────────────────────────┼────────────────────────────────────────────────────────────────────────┤
│ Score                               │ 16,894.787722                                                          │
├─────────────────────────────────────┼────────────────────────────────────────────────────────────────────────┤
│ Average Latency Seconds             │ 0.000386                                                               │
├─────────────────────────────────────┼────────────────────────────────────────────────────────────────────────┤
│ Throughput Samples Per Second       │ 675,791.508883                                                         │
╰─────────────────────────────────────┴────────────────────────────────────────────────────────────────────────╯

╭────────────────────────────────┬────────────────────────────────────╮
│ GPU Memory Bandwidth ▸ Field   │ Value                              │
├────────────────────────────────┼────────────────────────────────────┤
│ Input Parameters               │ Data Size: 5.0 GB, Precision: fp16 │
├────────────────────────────────┼────────────────────────────────────┤
│ Metrics                        │ Bandwidth: 453.32 GB/s             │
├────────────────────────────────┼────────────────────────────────────┤
│ Execution Time (s)             │ 0.01103                            │
├────────────────────────────────┼────────────────────────────────────┤
│ Score                          │ 1,133.30163                        │
├────────────────────────────────┼────────────────────────────────────┤
│ Bandwidth Gb Per Second        │ 453.320652                         │
╰────────────────────────────────┴────────────────────────────────────╯

CPU、内存与硬盘性能

╭───────────────────────────────────────────┬────────────────────────────────────────────────────────────────────╮
│ CPU Single-threaded Performance ▸ Field   │ Value                                                              │
├───────────────────────────────────────────┼────────────────────────────────────────────────────────────────────┤
│ Input Parameters                          │ Single-threaded CPU Benchmark                                      │
├───────────────────────────────────────────┼────────────────────────────────────────────────────────────────────┤
│ Metrics                                   │ Comp Perf: 419756.13 fib/sec, Crypto Perf: 2349.78 MB/s, Data Proc │
│                                           │ Perf: 66.22 MB/s                                                   │
├───────────────────────────────────────────┼────────────────────────────────────────────────────────────────────┤
│ Execution Time (s)                        │ 2.743949                                                           │
├───────────────────────────────────────────┼────────────────────────────────────────────────────────────────────┤
│ Score                                     │ 581.941892                                                         │
├───────────────────────────────────────────┼────────────────────────────────────────────────────────────────────┤
│ Comp Perf                                 │ 419,756.130757                                                     │
├───────────────────────────────────────────┼────────────────────────────────────────────────────────────────────┤
│ Comp Time Seconds                         │ 1.191168                                                           │
├───────────────────────────────────────────┼────────────────────────────────────────────────────────────────────┤
│ Crypto Data Size Mb                       │ 100                                                                │
├───────────────────────────────────────────┼────────────────────────────────────────────────────────────────────┤
│ Crypto Perf Mb Per Sec                    │ 2,349.776468                                                       │
├───────────────────────────────────────────┼────────────────────────────────────────────────────────────────────┤
│ Crypto Time Seconds                       │ 0.042557                                                           │
├───────────────────────────────────────────┼────────────────────────────────────────────────────────────────────┤
│ Data Proc Perf Mb Per Sec                 │ 66.215359                                                          │
├───────────────────────────────────────────┼────────────────────────────────────────────────────────────────────┤
│ Data Proc Time Seconds                    │ 1.510224                                                           │
├───────────────────────────────────────────┼────────────────────────────────────────────────────────────────────┤
│ Fib Number                                │ 500,000                                                            │
╰───────────────────────────────────────────┴────────────────────────────────────────────────────────────────────╯

╭──────────────────────────────────────────┬───────────────────────────────────────────────────────────────────────╮
│ CPU Multi-threaded Performance ▸ Field   │ Value                                                                 │
├──────────────────────────────────────────┼───────────────────────────────────────────────────────────────────────┤
│ Input Parameters                         │ Multi-threaded CPU Benchmark with 224 threads                         │
├──────────────────────────────────────────┼───────────────────────────────────────────────────────────────────────┤
│ Metrics                                  │ Comp Perf: 12085252.00 fib/sec, Crypto Perf: 91412.87 MB/s, Data Proc │
│                                          │ Perf: 498.63 MB/s                                                     │
├──────────────────────────────────────────┼───────────────────────────────────────────────────────────────────────┤
│ Execution Time (s)                       │ 54.435282                                                             │
├──────────────────────────────────────────┼───────────────────────────────────────────────────────────────────────┤
│ Score                                    │ 3,884.709783                                                          │
├──────────────────────────────────────────┼───────────────────────────────────────────────────────────────────────┤
│ Comp Perf                                │ 12,085,252.004936                                                     │
├──────────────────────────────────────────┼───────────────────────────────────────────────────────────────────────┤
│ Comp Time Seconds                        │ 9.267494                                                              │
├──────────────────────────────────────────┼───────────────────────────────────────────────────────────────────────┤
│ Crypto Data Size Mb                      │ 22,400                                                                │
├──────────────────────────────────────────┼───────────────────────────────────────────────────────────────────────┤
│ Crypto Perf Mb Per Sec                   │ 91,412.868695                                                         │
├──────────────────────────────────────────┼───────────────────────────────────────────────────────────────────────┤
│ Crypto Time Seconds                      │ 0.245042                                                              │
├──────────────────────────────────────────┼───────────────────────────────────────────────────────────────────────┤
│ Data Proc Perf Mb Per Sec                │ 498.633811                                                            │
├──────────────────────────────────────────┼───────────────────────────────────────────────────────────────────────┤
│ Data Proc Time Seconds                   │ 44.922746                                                             │
├──────────────────────────────────────────┼───────────────────────────────────────────────────────────────────────┤
│ Fib Number                               │ 500,000                                                               │
╰──────────────────────────────────────────┴───────────────────────────────────────────────────────────────────────╯

╭────────────────────────────┬───────────────────────╮
│ Memory Bandwidth ▸ Field   │ Value                 │
├────────────────────────────┼───────────────────────┤
│ Input Parameters           │ Memory Size: 1024 MB  │
├────────────────────────────┼───────────────────────┤
│ Metrics                    │ Bandwidth: 13.15 GB/s │
├────────────────────────────┼───────────────────────┤
│ Execution Time (s)         │ 0.081658              │
├────────────────────────────┼───────────────────────┤
│ Score                      │ 438.306533            │
├────────────────────────────┼───────────────────────┤
│ Bandwidth Gb Per Sec       │ 13.149196             │
├────────────────────────────┼───────────────────────┤
│ Copy Time Seconds          │ 0.081658              │
├────────────────────────────┼───────────────────────┤
│ Memory Size Mb             │ 1,024                 │
╰────────────────────────────┴───────────────────────╯

╭─────────────────────────────┬──────────────────────╮
│ CPU to Disk Write ▸ Field   │ Value                │
├─────────────────────────────┼──────────────────────┤
│ Input Parameters            │ Data Size: 5.0 GB    │
├─────────────────────────────┼──────────────────────┤
│ Metrics                     │ Bandwidth: 1.22 GB/s │
├─────────────────────────────┼──────────────────────┤
│ Execution Time (s)          │ 4.112128             │
├─────────────────────────────┼──────────────────────┤
│ Score                       │ 486.366237           │
├─────────────────────────────┼──────────────────────┤
│ Bandwidth Gb Per Second     │ 1.215916             │
├─────────────────────────────┼──────────────────────┤
│ Data Size Gb                │ 5                    │
├─────────────────────────────┼──────────────────────┤
│ Time Seconds                │ 4.112128             │
╰─────────────────────────────┴──────────────────────╯

╭────────────────────────────────────────┬──────────────────────────────────────────────────────────────────╮
│ Disk I/O Performance ▸ Field           │ Value                                                            │
├────────────────────────────────────────┼──────────────────────────────────────────────────────────────────┤
│ Input Parameters                       │ Data Size: 2.0 GB, Block Size: 4 KB, IO Depth: 16, Num Jobs: 8   │
├────────────────────────────────────────┼──────────────────────────────────────────────────────────────────┤
│ Metrics                                │ Seq Read: 3169.89 MB/s, Seq Write: 3206.67 MB/s, Rand Read IOPS: │
│                                        │ 968208, Rand Write IOPS: 905486                                  │
├────────────────────────────────────────┼──────────────────────────────────────────────────────────────────┤
│ Execution Time (s)                     │ 122.717779                                                       │
├────────────────────────────────────────┼──────────────────────────────────────────────────────────────────┤
│ Score                                  │ 5,321.894221                                                     │
├────────────────────────────────────────┼──────────────────────────────────────────────────────────────────┤
│ Random Read Iops                       │ 968,208.726376                                                   │
├────────────────────────────────────────┼──────────────────────────────────────────────────────────────────┤
│ Random Read Throughput Mb Per Sec      │ 3,782.064453                                                     │
├────────────────────────────────────────┼──────────────────────────────────────────────────────────────────┤
│ Random Write Iops                      │ 905,486.383787                                                   │
├────────────────────────────────────────┼──────────────────────────────────────────────────────────────────┤
│ Random Write Throughput Mb Per Sec     │ 3,537.055664                                                     │
├────────────────────────────────────────┼──────────────────────────────────────────────────────────────────┤
│ Sequential Read Iops                   │ 811,492.716909                                                   │
├────────────────────────────────────────┼──────────────────────────────────────────────────────────────────┤
│ Sequential Read Throughput Mb Per Sec  │ 3,169.892578                                                     │
├────────────────────────────────────────┼──────────────────────────────────────────────────────────────────┤
│ Sequential Write Iops                  │ 820,908.136395                                                   │
├────────────────────────────────────────┼──────────────────────────────────────────────────────────────────┤
│ Sequential Write Throughput Mb Per Sec │ 3,206.671875                                                     │
╰────────────────────────────────────────┴──────────────────────────────────────────────────────────────────╯

汇总结果

╭─────────────────────┬──────────────────────┬──────────────────────┬──────────────────────┬─────────────────┬─────────╮
│ Benchmark Results   │ Task                 │ Input                │ Metrics              │   Exec Time (s) │   Score │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│ GPU Benchmarks      │ GPU Data Generation  │ Data Size: 5.0 GB,   │ Bandwidth: 962.17    │            0.02 │  4810.8 │
│                     │                      │ Precision: fp16      │ GB/s                 │                 │         │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│                     │ GPU to CPU Transfer  │ Data Size: 5.0 GB,   │ Bandwidth: 30.80     │            0.16 │    1232 │
│                     │                      │ Precision: fp16      │ GB/s                 │                 │         │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│                     │ GPU to GPU Transfer  │ Data Size: 5.0 GB,   │ Bandwidth: 51.49     │            0.97 │  1029.8 │
│                     │                      │ Precision: fp16      │ GB/s                 │                 │         │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│                     │ GPU Tensor Core      │ Matrix Size: 4096,   │ GFLOPS: 135078.76    │            1.02 │  2701.6 │
│                     │ Performance          │ Iterations: 1000,    │                      │                 │         │
│                     │                      │ Precision: fp16      │                      │                 │         │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│                     │ GPU Computational    │ Epochs: 200, Batch   │ GFLOPS: 13360.37     │            1.53 │   534.4 │
│                     │ Task                 │ Size:                │ across 8 GPU(s)      │                 │         │
│                     │                      │ 2048, Input Size:    │                      │                 │         │
│                     │                      │ 4096,                │                      │                 │         │
│                     │                      │ Hidden Size: 4096,   │                      │                 │         │
│                     │                      │ Output Size: 2000,   │                      │                 │         │
│                     │                      │ Precision: fp16      │                      │                 │         │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│                     │ GPU Inference        │ Model: custom, Model │ Throughput:          │            0.04 │ 16894.8 │
│                     │ Performance          │ Size: 5, Batch Size: │ 675791.51 samples/s  │                 │         │
│                     │                      │ 256, Input Size:     │                      │                 │         │
│                     │                      │ 224,                 │                      │                 │         │
│                     │                      │ Output Size: 1000,   │                      │                 │         │
│                     │                      │ Precision: fp16      │                      │                 │         │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│                     │ GPU Memory Bandwidth │ Data Size: 5.0 GB,   │ Bandwidth: 453.32    │            0.01 │  1133.3 │
│                     │                      │ Precision: fp16      │ GB/s                 │                 │         │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│ System Benchmarks   │ CPU Single-threaded  │ Single-threaded CPU  │ Comp Perf: 419756.13 │            2.74 │   581.9 │
│                     │ Performance          │ Benchmark            │ fib/sec, Crypto      │                 │         │
│                     │                      │                      │ Perf: 2349.78 MB/s,  │                 │         │
│                     │                      │                      │ Data Proc Perf:      │                 │         │
│                     │                      │                      │ 66.22 MB/s           │                 │         │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│                     │ CPU Multi-threaded   │ Multi-threaded CPU   │ Comp Perf:           │           54.44 │  3884.7 │
│                     │ Performance          │ Benchmark with 224   │ 12085252.00 fib/sec, │                 │         │
│                     │                      │ threads              │ Crypto               │                 │         │
│                     │                      │                      │ Perf: 91412.87 MB/s, │                 │         │
│                     │                      │                      │ Data Proc Perf:      │                 │         │
│                     │                      │                      │ 498.63 MB/s          │                 │         │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│                     │ Memory Bandwidth     │ Memory Size: 1024 MB │ Bandwidth: 13.15     │            0.08 │   438.3 │
│                     │                      │                      │ GB/s                 │                 │         │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│                     │ CPU to Disk Write    │ Data Size: 5.0 GB    │ Bandwidth: 1.22 GB/s │            4.11 │   486.4 │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│                     │ Disk I/O Performance │ Data Size: 2.0 GB,   │ Seq Read: 3169.89    │          122.72 │  5321.9 │
│                     │                      │ Block                │ MB/s, Seq Write:     │                 │         │
│                     │                      │ Size: 4 KB, IO       │ 3206.67 MB/s, Rand   │                 │         │
│                     │                      │ Depth:               │ Read IOPS: 968208,   │                 │         │
│                     │                      │ 16, Num Jobs: 8      │ Rand Write IOPS:     │                 │         │
│                     │                      │                      │ 905486               │                 │         │
├─────────────────────┼──────────────────────┼──────────────────────┼──────────────────────┼─────────────────┼─────────┤
│ Summary             │ Aggregate Totals     │                      │                      │          271.86 │   39050 │
╰─────────────────────┴──────────────────────┴──────────────────────┴──────────────────────┴─────────────────┴─────────╯

系统概览与 GPU 状态

╭───────────────────┬────────────────────────────────────────────────────╮
│ System Overview   │ Details                                            │
├───────────────────┼────────────────────────────────────────────────────┤
│ System            │ Host: cr-a61ab8cf-workload-5b95896858-gb5bc        │
│                   │ OS: Linux-5.15.0-179-generic-x86_64-with-glibc2.39 │
│                   │ Kernel: 5.15.0-179-generic                         │
├───────────────────┼────────────────────────────────────────────────────┤
│ Clock             │ Uptime: 323989 s                                   │
│                   │ Timestamp: 2026-06-09T04:51:09.920030+00:00        │
├───────────────────┼────────────────────────────────────────────────────┤
│ CPU               │ Model: x86_64                                      │
│                   │ Cores: 112P / 224L                                 │
│                   │ Freq: cur 1645 MHz, min 1500 MHz, max 3300 MHz     │
│                   │ Load avg: 2.85, 12.60, 7.92                        │
├───────────────────┼────────────────────────────────────────────────────┤
│ Memory            │ RAM: 50.16 GB / 1511.23 GB                         │
│                   │ Available: 1461.07 GB                              │
│                   │ Usage: 3.3 %                                       │
│                   │ Swap: 0.00 GB / 8.00 GB                            │
│                   │ Swap Usage: 0.0 %                                  │
├───────────────────┼────────────────────────────────────────────────────┤
│ Storage           │ Root usage: 14.7 % of 436.57 GB                    │
│                   │ Partitions: 60                                     │
├───────────────────┼────────────────────────────────────────────────────┤
│ GPU 0             │ Name: NVIDIA RTX 6000D                             │
│                   │ Driver: 595.71.05                                  │
│                   │ VBIOS: 98.02.8D.00.02                              │
│                   │ Memory: 0.00 GB / 83.64 GB                         │
│                   │ Temp: 24.00 °C                                     │
│                   │ Util: 0.0 %                                        │
│                   │ Power: 29.6 W / 600.0 W                            │
│                   │ Clocks: SM 180 MHz | Mem 405 MHz                   │
├───────────────────┼────────────────────────────────────────────────────┤
│ GPU 1             │ Name: NVIDIA RTX 6000D                             │
│                   │ Driver: 595.71.05                                  │
│                   │ VBIOS: 98.02.8D.00.02                              │
│                   │ Memory: 0.00 GB / 83.64 GB                         │
│                   │ Temp: 24.00 °C                                     │
│                   │ Util: 0.0 %                                        │
│                   │ Power: 29.7 W / 600.0 W                            │
│                   │ Clocks: SM 180 MHz | Mem 405 MHz                   │
├───────────────────┼────────────────────────────────────────────────────┤
│ GPU 2             │ Name: NVIDIA RTX 6000D                             │
│                   │ Driver: 595.71.05                                  │
│                   │ VBIOS: 98.02.8D.00.02                              │
│                   │ Memory: 0.00 GB / 83.64 GB                         │
│                   │ Temp: 24.00 °C                                     │
│                   │ Util: 0.0 %                                        │
│                   │ Power: 30.0 W / 600.0 W                            │
│                   │ Clocks: SM 180 MHz | Mem 405 MHz                   │
├───────────────────┼────────────────────────────────────────────────────┤
│ GPU 3             │ Name: NVIDIA RTX 6000D                             │
│                   │ Driver: 595.71.05                                  │
│                   │ VBIOS: 98.02.8D.00.02                              │
│                   │ Memory: 0.00 GB / 83.64 GB                         │
│                   │ Temp: 22.00 °C                                     │
│                   │ Util: 0.0 %                                        │
│                   │ Power: 28.4 W / 600.0 W                            │
│                   │ Clocks: SM 180 MHz | Mem 405 MHz                   │
├───────────────────┼────────────────────────────────────────────────────┤
│ GPU 4             │ Name: NVIDIA RTX 6000D                             │
│                   │ Driver: 595.71.05                                  │
│                   │ VBIOS: 98.02.8D.00.02                              │
│                   │ Memory: 0.00 GB / 83.64 GB                         │
│                   │ Temp: 23.00 °C                                     │
│                   │ Util: 0.0 %                                        │
│                   │ Power: 29.6 W / 600.0 W                            │
│                   │ Clocks: SM 180 MHz | Mem 405 MHz                   │
├───────────────────┼────────────────────────────────────────────────────┤
│ GPU 5             │ Name: NVIDIA RTX 6000D                             │
│                   │ Driver: 595.71.05                                  │
│                   │ VBIOS: 98.02.8D.00.02                              │
│                   │ Memory: 0.00 GB / 83.64 GB                         │
│                   │ Temp: 23.00 °C                                     │
│                   │ Util: 0.0 %                                        │
│                   │ Power: 29.1 W / 600.0 W                            │
│                   │ Clocks: SM 180 MHz | Mem 405 MHz                   │
├───────────────────┼────────────────────────────────────────────────────┤
│ GPU 6             │ Name: NVIDIA RTX 6000D                             │
│                   │ Driver: 595.71.05                                  │
│                   │ VBIOS: 98.02.8D.00.02                              │
│                   │ Memory: 0.00 GB / 83.64 GB                         │
│                   │ Temp: 23.00 °C                                     │
│                   │ Util: 0.0 %                                        │
│                   │ Power: 28.2 W / 600.0 W                            │
│                   │ Clocks: SM 180 MHz | Mem 405 MHz                   │
├───────────────────┼────────────────────────────────────────────────────┤
│ GPU 7             │ Name: NVIDIA RTX 6000D                             │
│                   │ Driver: 595.71.05                                  │
│                   │ VBIOS: 98.02.8D.00.02                              │
│                   │ Memory: 0.00 GB / 83.64 GB                         │
│                   │ Temp: 23.00 °C                                     │
│                   │ Util: 0.0 %                                        │
│                   │ Power: 28.8 W / 600.0 W                            │
│                   │ Clocks: SM 180 MHz | Mem 405 MHz                   │
├───────────────────┼────────────────────────────────────────────────────┤
│ PyTorch           │ PyTorch: 2.12.0+cu130                              │
│                   │ CUDA: 13.0                                         │
│                   │ cuDNN: 92000                                       │
│                   │ CUDA available: Yes                                │
│                   │ Devices detected: 8                                │
├───────────────────┼────────────────────────────────────────────────────┤
│ Environment       │ Python: 3.12.3                                     │
│                   │ Executable: /data/gpubench/.venv/bin/python        │
│                   │ CUDA_VISIBLE_DEVICES: 0,1,2,3,4,5,6,7              │
╰───────────────────┴────────────────────────────────────────────────────╯

CPU 调度与 CUDA 设备属性

╭────────────────────────────────┬────────────╮
│ CPU Scheduler Stats ▸ Metric   │      Value │
├────────────────────────────────┼────────────┤
│ Context Switches               │ 3712546871 │
├────────────────────────────────┼────────────┤
│ Interrupts                     │ 3033982371 │
├────────────────────────────────┼────────────┤
│ Soft Interrupts                │ 1983673565 │
├────────────────────────────────┼────────────┤
│ System Calls                   │          0 │
╰────────────────────────────────┴────────────╯

╭──────────────────────────────────────────────────────┬────────────┬──────────────────┬──────────────────────┬───────┬─────────────────────╮
│   CUDA Device Properties (PyTorch view) ▸ Logical ID │ Name       │   Total Mem (GB) │ Compute Capability   │   SMs │   Max Threads/Block │
├──────────────────────────────────────────────────────┼────────────┼──────────────────┼──────────────────────┼───────┼─────────────────────┤
│                                                    0 │ NVIDIA RTX │         89.17 GB │ 12                   │   156 │                1024 │
│                                                      │ 6000D      │                  │                      │       │                     │
├──────────────────────────────────────────────────────┼────────────┼──────────────────┼──────────────────────┼───────┼─────────────────────┤
│                                                    1 │ NVIDIA RTX │         89.17 GB │ 12                   │   156 │                1024 │
│                                                      │ 6000D      │                  │                      │       │                     │
├──────────────────────────────────────────────────────┼────────────┼──────────────────┼──────────────────────┼───────┼─────────────────────┤
│                                                    2 │ NVIDIA RTX │         89.17 GB │ 12                   │   156 │                1024 │
│                                                      │ 6000D      │                  │                      │       │                     │
├──────────────────────────────────────────────────────┼────────────┼──────────────────┼──────────────────────┼───────┼─────────────────────┤
│                                                    3 │ NVIDIA RTX │         89.17 GB │ 12                   │   156 │                1024 │
│                                                      │ 6000D      │                  │                      │       │                     │
├──────────────────────────────────────────────────────┼────────────┼──────────────────┼──────────────────────┼───────┼─────────────────────┤
│                                                    4 │ NVIDIA RTX │         89.17 GB │ 12                   │   156 │                1024 │
│                                                      │ 6000D      │                  │                      │       │                     │
├──────────────────────────────────────────────────────┼────────────┼──────────────────┼──────────────────────┼───────┼─────────────────────┤
│                                                    5 │ NVIDIA RTX │         89.17 GB │ 12                   │   156 │                1024 │
│                                                      │ 6000D      │                  │                      │       │                     │
├──────────────────────────────────────────────────────┼────────────┼──────────────────┼──────────────────────┼───────┼─────────────────────┤
│                                                    6 │ NVIDIA RTX │         89.17 GB │ 12                   │   156 │                1024 │
│                                                      │ 6000D      │                  │                      │       │                     │
├──────────────────────────────────────────────────────┼────────────┼──────────────────┼──────────────────────┼───────┼─────────────────────┤
│                                                    7 │ NVIDIA RTX │         89.17 GB │ 12                   │   156 │                1024 │
│                                                      │ 6000D      │                  │                      │       │                     │
╰──────────────────────────────────────────────────────┴────────────┴──────────────────┴──────────────────────┴───────┴─────────────────────╯

nvidia-smi 遥测与固件

╭────────────────────────────────────────┬────────────┬─────────────────────┬──────────────┬──────────────────────────┬─────────────┬─────────────╮
│   GPU Telemetry (nvidia-smi view) ▸ ID │ Name       │ Driver / Firmware   │ Memory       │ Thermals / Utilization   │ Power       │ Clocks      │
├────────────────────────────────────────┼────────────┼─────────────────────┼──────────────┼──────────────────────────┼─────────────┼─────────────┤
│                                      0 │ NVIDIA RTX │ Driver              │ Used 0.00 GB │ Temp 24.00               │ Draw 29.6 W │ SM 180 MHz  │
│                                        │ 6000D      │ 595.71.05           │ Total 83.64  │ °C                       │ Limit 600.0 │ Mem 405 MHz │
│                                        │            │ VBIOS 98.02.        │ GB           │ Util 0.0 %               │ W           │             │
│                                        │            │ 8D.00.02            │              │                          │             │             │
├────────────────────────────────────────┼────────────┼─────────────────────┼──────────────┼──────────────────────────┼─────────────┼─────────────┤
│                                      1 │ NVIDIA RTX │ Driver              │ Used 0.00 GB │ Temp 24.00               │ Draw 29.7 W │ SM 180 MHz  │
│                                        │ 6000D      │ 595.71.05           │ Total 83.64  │ °C                       │ Limit 600.0 │ Mem 405 MHz │
│                                        │            │ VBIOS 98.02.        │ GB           │ Util 0.0 %               │ W           │             │
│                                        │            │ 8D.00.02            │              │                          │             │             │
├────────────────────────────────────────┼────────────┼─────────────────────┼──────────────┼──────────────────────────┼─────────────┼─────────────┤
│                                      2 │ NVIDIA RTX │ Driver              │ Used 0.00 GB │ Temp 24.00               │ Draw 30.0 W │ SM 180 MHz  │
│                                        │ 6000D      │ 595.71.05           │ Total 83.64  │ °C                       │ Limit 600.0 │ Mem 405 MHz │
│                                        │            │ VBIOS 98.02.        │ GB           │ Util 0.0 %               │ W           │             │
│                                        │            │ 8D.00.02            │              │                          │             │             │
├────────────────────────────────────────┼────────────┼─────────────────────┼──────────────┼──────────────────────────┼─────────────┼─────────────┤
│                                      3 │ NVIDIA RTX │ Driver              │ Used 0.00 GB │ Temp 22.00               │ Draw 28.4 W │ SM 180 MHz  │
│                                        │ 6000D      │ 595.71.05           │ Total 83.64  │ °C                       │ Limit 600.0 │ Mem 405 MHz │
│                                        │            │ VBIOS 98.02.        │ GB           │ Util 0.0 %               │ W           │             │
│                                        │            │ 8D.00.02            │              │                          │             │             │
├────────────────────────────────────────┼────────────┼─────────────────────┼──────────────┼──────────────────────────┼─────────────┼─────────────┤
│                                      4 │ NVIDIA RTX │ Driver              │ Used 0.00 GB │ Temp 23.00               │ Draw 29.6 W │ SM 180 MHz  │
│                                        │ 6000D      │ 595.71.05           │ Total 83.64  │ °C                       │ Limit 600.0 │ Mem 405 MHz │
│                                        │            │ VBIOS 98.02.        │ GB           │ Util 0.0 %               │ W           │             │
│                                        │            │ 8D.00.02            │              │                          │             │             │
├────────────────────────────────────────┼────────────┼─────────────────────┼──────────────┼──────────────────────────┼─────────────┼─────────────┤
│                                      5 │ NVIDIA RTX │ Driver              │ Used 0.00 GB │ Temp 23.00               │ Draw 29.1 W │ SM 180 MHz  │
│                                        │ 6000D      │ 595.71.05           │ Total 83.64  │ °C                       │ Limit 600.0 │ Mem 405 MHz │
│                                        │            │ VBIOS 98.02.        │ GB           │ Util 0.0 %               │ W           │             │
│                                        │            │ 8D.00.02            │              │                          │             │             │
├────────────────────────────────────────┼────────────┼─────────────────────┼──────────────┼──────────────────────────┼─────────────┼─────────────┤
│                                      6 │ NVIDIA RTX │ Driver              │ Used 0.00 GB │ Temp 23.00               │ Draw 28.2 W │ SM 180 MHz  │
│                                        │ 6000D      │ 595.71.05           │ Total 83.64  │ °C                       │ Limit 600.0 │ Mem 405 MHz │
│                                        │            │ VBIOS 98.02.        │ GB           │ Util 0.0 %               │ W           │             │
│                                        │            │ 8D.00.02            │              │                          │             │             │
├────────────────────────────────────────┼────────────┼─────────────────────┼──────────────┼──────────────────────────┼─────────────┼─────────────┤
│                                      7 │ NVIDIA RTX │ Driver              │ Used 0.00 GB │ Temp 23.00               │ Draw 28.8 W │ SM 180 MHz  │
│                                        │ 6000D      │ 595.71.05           │ Total 83.64  │ °C                       │ Limit 600.0 │ Mem 405 MHz │
│                                        │            │ VBIOS 98.02.        │ GB           │ Util 0.0 %               │ W           │             │
│                                        │            │ 8D.00.02            │              │                          │             │             │
╰────────────────────────────────────────┴────────────┴─────────────────────┴──────────────┴──────────────────────────┴─────────────┴─────────────╯

╭─────────────────────────┬─────────────────╮
│   GPU Firmware ▸ GPU ID │ VBIOS Version   │
├─────────────────────────┼─────────────────┤
│                       0 │ 98.02.8D.00.02  │
├─────────────────────────┼─────────────────┤
│                       1 │ 98.02.8D.00.02  │
├─────────────────────────┼─────────────────┤
│                       2 │ 98.02.8D.00.02  │
├─────────────────────────┼─────────────────┤
│                       3 │ 98.02.8D.00.02  │
├─────────────────────────┼─────────────────┤
│                       4 │ 98.02.8D.00.02  │
├─────────────────────────┼─────────────────┤
│                       5 │ 98.02.8D.00.02  │
├─────────────────────────┼─────────────────┤
│                       6 │ 98.02.8D.00.02  │
├─────────────────────────┼─────────────────┤
│                       7 │ 98.02.8D.00.02  │
╰─────────────────────────┴─────────────────╯

网络、环境与退出状态

╭──────────────────────────────────┬──────┬────────────┬───────╮
│ Network Interfaces ▸ Interface   │  Up  │      Speed │   MTU │
├──────────────────────────────────┼──────┼────────────┼───────┤
│ docker0                          │  No  │     0 Mbps │  1500 │
├──────────────────────────────────┼──────┼────────────┼───────┤
│ eth0                             │ Yes  │ 10000 Mbps │  1450 │
├──────────────────────────────────┼──────┼────────────┼───────┤
│ lo                               │ Yes  │     0 Mbps │ 65536 │
╰──────────────────────────────────┴──────┴────────────┴───────╯

╭──────────────────────────┬─────────────────────────────────╮
│ Environment ▸ Variable   │ Value                           │
├──────────────────────────┼─────────────────────────────────┤
│ Cuda Visible Devices     │ 0,1,2,3,4,5,6,7                 │
├──────────────────────────┼─────────────────────────────────┤
│ Python Executable        │ /data/gpubench/.venv/bin/python │
├──────────────────────────┼─────────────────────────────────┤
│ Python Version           │ 3.12.3                          │
╰──────────────────────────┴─────────────────────────────────╯

[SUMMARY] Total execution time 271.86 s
NCCL version 2.29.7+cuda13.2

[2026-06-09 04:51:36] cr-a61ab8cf-workload-5b95896858-gb5bc:388442:404571 [6] misc/ibvwrap.cc:173 NCCL WARN lib wrapper not initialized.
GPUBENCH_EXIT=0

GPU 补充测试

NCCL 8 卡通信

测试命令使用 /opt/nccl-tests/build，8 卡单机，NCCL_IB_DISABLE=1。

项目	测试范围	Avg bus bandwidth	最大 bus bandwidth
all-reduce	8M - 4G	22.10 GB/s	22.79 GB/s
all-gather	8M - 1G	24.85 GB/s	25.38 GB/s
reduce-scatter	8M - 1G	18.74 GB/s	19.11 GB/s
broadcast	8M - 1G	26.18 GB/s	26.89 GB/s

终端结果节选：

# Avg bus bandwidth    : 22.0978  # all_reduce_perf
# Avg bus bandwidth    : 24.8499  # all_gather_perf
# Avg bus bandwidth    : 18.7409  # reduce_scatter_perf
# Avg bus bandwidth    : 26.1791  # broadcast_perf

PyTorch 精度算力

精度 / 模式	单卡平均	单卡范围	8 卡聚合
FP32 CUDA cores	67.13 TFLOPS	62.29 - 67.86 TFLOPS	537.03 TFLOPS
TF32 Tensor Cores	71.79 TFLOPS	71.62 - 72.07 TFLOPS	574.31 TFLOPS
FP16 Tensor Cores	143.15 TFLOPS	142.70 - 143.70 TFLOPS	1145.17 TFLOPS
BF16 Tensor Cores	143.09 TFLOPS	142.65 - 143.63 TFLOPS	1144.74 TFLOPS

显存设备内拷贝：

项目	单卡平均	8 卡聚合
Device-to-device copy	639.65 GB/s	5117.16 GB/s

vLLM 吞吐

vllm bench throughput \
  --model /models/Qwen/Qwen3___6-27B \
  --trust-remote-code \
  --tensor-parallel-size 8 \
  --dtype bfloat16 \
  --max-model-len 4096 \
  --gpu-memory-utilization 0.90 \
  --disable-custom-all-reduce \
  --dataset-name random \
  --random-input-len 1024 \
  --random-output-len 256 \
  --num-prompts 128 \
  --num-warmups 8 \
  --max-num-seqs 128 \
  --max-num-batched-tokens 16384

模型	精度	TP	输入 / 输出	请求数	吞吐
Qwen3.6-27B	BF16	8	1024 / 256	128	5815.98 total tokens/s
Qwen3.6-27B	FP16	8	1024 / 256	128	5789.15 total tokens/s

更直观的输出 token 吞吐：

精度	requests/s	output tokens/s
BF16	4.54	1163.20
FP16	4.52	1157.83

终端结果节选：

Throughput: 4.54 requests/s, 5815.98 total tokens/s, 1163.20 output tokens/s
Total num prompt tokens:  131072
Total num output tokens:  32768

Throughput: 4.52 requests/s, 5789.15 total tokens/s, 1157.83 output tokens/s
Total num prompt tokens:  131072
Total num output tokens:  32768

Gemma4 E4B-it 单卡吞吐

source /data/vllm-bench/.venv/bin/activate
export CUDA_VISIBLE_DEVICES=0
export NCCL_IB_DISABLE=1
export NCCL_P2P_DISABLE=0
export VLLM_WORKER_MULTIPROC_METHOD=spawn

vllm bench throughput \
  --model /data1/models/gemma-4-e4b-it \
  --trust-remote-code \
  --tensor-parallel-size 1 \
  --dtype bfloat16 \
  --max-model-len 4096 \
  --gpu-memory-utilization 0.90 \
  --dataset-name random \
  --random-input-len 1024 \
  --random-output-len 256 \
  --num-prompts 128 \
  --num-warmups 8 \
  --max-num-seqs 128 \
  --max-num-batched-tokens 16384

模型	精度	TP	输入 / 输出	请求数	requests/s	total tokens/s	output tokens/s
Gemma4 E4B-it	BF16	1	1024 / 256	128	9.79	12526.73	2505.35

终端结果节选：

Resolved architecture: Gemma4ForConditionalGeneration
Using AttentionBackendEnum.TRITON_ATTN backend.
Model loading took 15.47 GiB memory
GPU KV cache size: 1,059,913 tokens

Throughput: 9.79 requests/s, 12526.73 total tokens/s, 2505.35 output tokens/s
Total num prompt tokens:  131072
Total num output tokens:  32768

MJJ 最爱的测试

CPU 是双路 EPYC 9575F，但本次环境暴露为 112 核 224 线程，因为我做了虚拟化。

GeekBench 5 结果：

GeekBnech6 结果：

sysbench CPU 结果：

线程数	events/s
1	2363.56
112	206400.58
224	270779.11

stress-ng 使用 224 个 CPU worker，matrixprod 方法压 120 秒：

项目	结果
bogo ops	18442736
bogo ops/s real time	153685.58
压测结果	224 个 worker 全部 passed

OpenSSL 补测：

项目	16K block 结果
SHA256	379426122.21k
AES-256-GCM	2291539267.21k

YABS



Basic System Information:
---------------------------------
Uptime     : 3 days, 18 hours, 51 minutes
Processor  : AMD EPYC 9575F 64-Core Processor
CPU cores  : 224 @ 1500.000 MHz
AES-NI     : ✔ Enabled
VM-x/AMD-V : ✔ Enabled
RAM        : 1.5 TiB
Swap       : 8.0 GiB
Disk       : 3.9 TiB
Distro     : Ubuntu 24.04.2 LTS
Kernel     : 5.15.0-179-generic
VM Type    : DOCKER
IPv4/IPv6  : ✔ Online / ❌ Offline

IPv4 Network Information:
---------------------------------
ISP        : China Unicom Shanghai Province Network
ASN        : AS138421 China Unicom
Location   : Shanghai, Shanghai (SH)
Country    : China

fio Disk Speed Tests (Mixed R/W 50/50) (Partition /dev/nvme1n1p1):
---------------------------------
Block Size | 4k            (IOPS) | 64k           (IOPS)
  ------   | ---            ----  | ----           ---- 
Read       | 1.39 GB/s   (348.8k) | 1.51 GB/s    (23.7k)
Write      | 1.39 GB/s   (349.7k) | 1.52 GB/s    (23.8k)
Total      | 2.79 GB/s   (698.5k) | 3.04 GB/s    (47.5k)
           |                      |                     
Block Size | 512k          (IOPS) | 1m            (IOPS)
  ------   | ---            ----  | ----           ---- 
Read       | 1.93 GB/s     (3.7k) | 2.13 GB/s     (2.0k)
Write      | 2.03 GB/s     (3.9k) | 2.27 GB/s     (2.2k)
Total      | 3.97 GB/s     (7.7k) | 4.41 GB/s     (4.3k)

Dokploy 自带 PostgreSQL 备份局限与扩展

Wed, 03 Jun 2026 00:00:00 GMT

一开始我用的是 Dokploy 自带的数据库备份。它很方便，点几下就能做定时备份，也能保留最近几份。但是当数据库逐渐变大之后,我发现了一些问题。

这不是说 Dokploy 自带备份没用。它作为小库的兜底、临时导出、人工恢复很方便。但如果数据库已经到几十 GB，那靠 dump 就并不是一个好选择。

最终我的方案

PostgreSQL
  -> archive_mode + WAL archive
  -> pgBackRest
  -> S3-compatible object storage, here using Cloudflare R2

备份策略大概是：

每周一次 full backup
每天一次 differential backup
持续归档 WAL
每天做 pgBackRest check
保留多个 full backup

问题是怎么发现的

最开始的信号很简单：

我的监控一直发现pg数据库一直处于高压状态，我寻思我的流量应该不至于能让数据库这么高负载，于是赶紧查看，由于之前也没怎么管过，一直用的dokploy原生的备份。看了眼并没有数据库本身的异常，我发现有个服务一直在压缩数据库，进而联想到了备份，最终终于找到了原因。

当前的数据库 dump 已经接近 10GB，生产 PostgreSQL 物理数据目录接近 50GB。

Dokploy 自带 dump 备份的问题

Dokploy 的自带数据库备份优点是简单：配置计划任务、保留份数。

但它作为生产 PostgreSQL 的主备份，有几个明显短板。

1. 它主要是逻辑备份

逻辑备份通常是 pg_dump 一类思路。它适合：

小数据库；
迁移表结构和数据；
临时导出；
做一份额外保险。

但库大了以后，逻辑备份的问题会越来越明显：

dump 过程耗时变长；
restore 更慢；
恢复时需要重建索引；
不适合频繁恢复演练；
不天然支持按时间点恢复。

如果业务写入比较频繁，单纯一天一次 dump 的恢复点也比较粗。比如凌晨 0 点备份，晚上 23 点出事故，那这中间的数据就很难恢复。你像如果我的库规模比较大，50G，我之前设置的每隔1H一次，保留最新的24份，导致每一个小时里40min都处于pg_dump状态，此时压力非常大，几乎只有20min正常。

2. 没有连续 WAL 归档

PostgreSQL 真正可靠的生产备份，一般不能只看全量备份，还要看 WAL。

WAL 可以理解成 PostgreSQL 的变更日志。只要你有一个基础备份，再配合之后的 WAL，就有机会把数据库恢复到某个时间点。

只做 dump 的话，通常就只能恢复到上一次备份的时间点

而做了 WAL 归档后，恢复目标就可以变成：

某个 full/diff backup + 后续 WAL

这就是 RPO 的差别。

3. 恢复不可控

备份没验证过，基本等于没备份。

Dokploy 自带 dump 对小库还好。库到了几十 GB 后，恢复时长、索引重建、停机窗口都会变成问题。

解决方案：pgBackRest + 对象存储

我选择 pgBackRest。

https://pgbackrest.org/

原因很简单：数据库备份不是适合发明轮子的地方，这应该是认可度比较高的方案。

能提供：

full backup；
differential backup；
incremental backup；
WAL archive push；
S3-compatible 存储；
加密；
retention 策略；
check；
info；
restore。

这正好覆盖我需要的核心能力。

部署思路

我的 PostgreSQL 是 Dokploy / Docker Swarm 管理的服务，所以整体思路是：

做一个带 pgBackRest 的 PostgreSQL 镜像；
保留原来的 PostgreSQL data volume；
用 Docker secret 挂载 pgBackRest 配置；
开启 PostgreSQL WAL archive；
用 systemd timer 调度 full/diff/check；
把备份写到 R2；
做独立恢复验证。

pgBackRest 配置示例

下面是结构示例，敏感信息全部用占位符。

[global]
repo1-type=s3
repo1-s3-endpoint=<s3-compatible-endpoint>
repo1-s3-region=<region>
repo1-s3-bucket=<bucket>
repo1-s3-key=<access-key-id>
repo1-s3-key-secret=<secret-access-key>
repo1-path=/postgres-backup
repo1-cipher-type=aes-256-cbc
repo1-cipher-pass=<long-random-passphrase>

repo1-retention-full=4
repo1-retention-full-type=count
repo1-retention-diff=14

process-max=2
start-fast=y
log-level-console=info
log-level-file=info

[main]
pg1-path=/var/lib/postgresql/data

PostgreSQL 开启 WAL archive

archive_mode = on
archive_command = 'pgbackrest --config=/run/secrets/pgbackrest.conf --stanza=main archive-push %p'
archive_timeout = 300s
wal_compression = on

archive_timeout = 300s 的意思是即使 WAL 没写满，也最多 5 分钟切一次，降低极端情况下最后一段 WAL 长时间不归档的风险。不是越小越好。太小会制造更多 WAL 文件和请求。要结合写入量、对象存储请求成本、RPO 要求来定。

定时任务 systemd timer

频率如下：

周日凌晨 full backup
周一到周六凌晨 differential backup
每天早上 pgBackRest check

用 systemd timer 的好处是：

可以看 timer 状态；
可以看 service 日志；
可以配合 wrapper；
比散落的 crontab 更容易排查。

wrapper 脚本里我会做几件事：

动态找到当前 PostgreSQL container；
通过 Docker secret 里的配置运行 pgBackRest；
用 flock 防止 full、diff、check 重叠；
把日志写到固定文件；
不在命令行里暴露密钥。

示意：

#!/usr/bin/env bash
set -euo pipefail

backup_type="${1:-diff}"
lock_file="/var/lock/postgres-pgbackrest.lock"

exec flock -n "$lock_file" bash -c '
  cid=$(docker ps --filter label=com.docker.swarm.service.name=<postgres-service-name> -q | head -n1)
  if [ -z "$cid" ]; then
    echo "postgres container not found"
    exit 1
  fi

  docker exec -u postgres "$cid" \
    pgbackrest --config=/run/secrets/pgbackrest.conf \
    --stanza=main \
    backup --type='"$backup_type"'
'

保留策略怎么估算

我当时的规模大概是：

PostgreSQL 物理库：49.6GB
pgBackRest full repo size：11.5GB

如果保留 4 份 full backup，那么只算 full：

11.5GB * 4 = 46GB

然后再加：

每天 differential backup；
持续 WAL archive；
对象存储自身版本或生命周期策略；
未来写入增长。

所以实际预估不能只看 full。一个比较保守的估算方式是：

低写入：60-80GB
中等写入：80-150GB
高写入：150GB+

真正准确的方式是等几天自动 diff 跑完，看 pgBackRest info 和对象存储增长。

pgbackrest --config=/run/secrets/pgbackrest.conf --stanza=main info

顺手做的 PostgreSQL 调优

既然开启 WAL archive 和备份需要维护窗口，我也顺手调整了一些 PostgreSQL 参数。

示例：

shared_buffers = 8GB
effective_cache_size = 32GB
max_wal_size = 16GB
min_wal_size = 2GB
checkpoint_timeout = 15min
checkpoint_completion_target = 0.9
wal_compression = on
track_io_timing = on
log_checkpoints = on
idle_in_transaction_session_timeout = 15min

这些参数不是通用答案。它们要根据机器内存、业务写入、连接数、磁盘性能调整。（不要照抄，可以用ai帮调）

这里的目标是：

降低频繁 checkpoint 带来的写放大；
控制 WAL 体积；
打开 IO timing，方便后续分析慢查询；
记录 checkpoint；
避免长时间 idle transaction 阻塞 vacuum。

验证

这一步最重要。

恢复流程：

创建一个独立目录；
挂载同一个 pgBackRest 配置 secret；
pgbackrest restore 到这个目录；
启动一个临时 PostgreSQL；
只监听容器内部地址或本机地址；
执行只读查询；
删除临时服务。

验证时可以查：

select pg_is_in_recovery();
select count(*) from pg_database;
show server_version_num;

我当时验证结果大概是：

restore command end: completed successfully
database system is ready to accept read-only connections
pg_is_in_recovery(): true
database count: 4
server_version_num: 180003

这一步完成以后，我才认为“这份备份可以恢复”。

日常检查

pgBackRest 信息

pgbackrest --config=/run/secrets/pgbackrest.conf --stanza=main info

看：

full/diff 是否按计划生成；
repo size；
WAL archive 范围；
是否有 error。

WAL 归档健康

select
  archived_count,
  failed_count,
  last_archived_wal,
  last_archived_time,
  last_failed_wal,
  last_failed_time
from pg_stat_archiver;

failed_count 不应该持续增加。

pg_wal 大小

select pg_size_pretty(sum(size)) as pg_wal_size
from pg_ls_waldir();

如果 pg_wal 不断膨胀，要优先查 archive 是否失败、replication slot 是否卡住、checkpoint 是否异常。

定时器状态

systemctl list-timers --all "postgres-pgbackrest*" --no-pager
systemctl status postgres-pgbackrest-diff.timer postgres-pgbackrest-full.timer postgres-pgbackrest-check.timer --no-pager

PostgreSQL 是否有 pending restart

select name, setting, pending_restart
from pg_settings
where pending_restart = true
order by name;

最后怎么处理 Dokploy 自带备份

我的建议不是立刻关掉 Dokploy dump。

在过渡期，Dokploy dump 仍然有价值。它可以作为逻辑层面的第二保险。

HostDZire 加拿大 48TB SATA 1G 不限流量 BenchMark

Tue, 02 Jun 2026 00:00:00 GMT

前言

HostDZire 昨天晚上放了一波加拿大 Leaseweb 机房的存储独服活动，总共 11 台。套餐名是 Canada / Multi Option / 32GB RAM / 48TB SATA / 1Gbit Unmetered BW，价格 320 欧元 / 年，平均下来约 26.67 欧元 / 月。

能用这个价格拿到 48TB SATA + 1Gbps 不限流量，单看容量价格还是可以的。

相比一年前买的LW 48T ,年付420欧元划算多了。

之前的机器：https://catcat.blog/leaseweb-intel-e5-1650-v2-benchmark

这个故事仍然告诉我们，不要去溢价炒鸡。没有所谓的传家宝。这款机器之前阿三多次销售，从 35欧到如今的月付26欧。之前甚至有个溢价四位数去所谓的收鸡，不知道收的人炒鸡的后不后悔？

另外加拿大的网络很差，有不少朋友之前都持有，最后都丢了。难崩

活动配置

活动写的是下面 4 种规格之一，均为 32GB 内存、48TB SATA、1Gbps 不限流量：

可能交付配置	CPU	内存	硬盘	带宽
方案 1	2x E5-2690 v2	32GB DDR3	6x8TB	1Gbit Unmetered
方案 2	2x E5-2650 v3	32GB DDR4	12x4TB	1Gbit Unmetered
方案 3	2x E5-2650 v3	32GB DDR4	4x12TB	1Gbit Unmetered
方案 4	2x E5-2670 v3	32GB DDR4	12x4TB	1Gbit Unmetered

价格：320 欧元 / 年。

实际交付

最后实际拿到的是第一种方案：

项目	实际配置
CPU	2x Intel Xeon E5-2690 v2
核心 / 线程	20C / 40T
内存	32GB DDR3
硬盘	6x 8TB TOSHIBA MG05ACA800E
网卡	Intel I350 Gigabit
带宽	1Gbps
系统	Debian 13
机房	加拿大蒙特利尔 Leaseweb
主板	Supermicro X9DR3-F

这套配置是 Ivy Bridge 老平台，DDR3。

硬盘 SMART 目前看起来都过了，坏道相关指标都是 0，不过通电时间普遍不短，大概在 3.6 万到 5.7 万小时之间。

硬件检测

════════════════════════════════════════════════════════════════════════════════
                       System Hardware Information Report
════════════════════════════════════════════════════════════════════════════════

┌─ Report Overview ───────────────────────────────
├──────────────────────────────────────────────────
│ Version             : 2.6.0
│ Mode                : Text
│ I/O Benchmark       : Disabled (use --io-test)
│ I/O Method          : fio read/write benchmark; dd read/write fallback
│ Privacy             : IP/MAC masked
└──────────────────────────────────────────────────
┌─ System Information ────────────────────────────
├──────────────────────────────────────────────────
│ Hostname            : s1256943
│ Operating System    : Debian GNU/Linux 13 (trixie)
│ Kernel Version      : 6.12.90+deb13.1-amd64
│ System Uptime       : up 13 hours, 33 minutes
└──────────────────────────────────────────────────
┌─ CPU Information ───────────────────────────────
├──────────────────────────────────────────────────
│ Model               : Intel(R) Xeon(R) CPU E5-2690 v2 @ 3.00GHz
│ Cores               : 10
│ Threads             : 40
│ Frequency           : 2180.470 MHz
│ Cache               : 25600 KB
│ Usage               : 11.4%
│ CPU Temperature     : +27.0°C
└──────────────────────────────────────────────────
┌─ Memory (RAM) Information ──────────────────────
├──────────────────────────────────────────────────
│ Total               : 31.35 GB
│ Used                : 1.4Gi
│ Available           : 30.01 GB
│
│ Memory Modules:
├────────────────────────────────────────────────────────────────────────────────────────────────────┤
│ Size     │ Type   │ Frequency    │ Manufacturer │ Serial Number   │ Model                │
├────────────────────────────────────────────────────────────────────────────────────────────────────┤
│ 16 GB    │ DDR3   │ 1333 MT/s    │ Samsung      │ 1222E373        │ M393B2G70QH0-        │
│ 16 GB    │ DDR3   │ 1333 MT/s    │ Samsung      │ 121ED31A        │ M393B2G70QH0-        │
└────────────────────────────────────────────────────────────────────────────────────────────────────┘
└──────────────────────────────────────────────────
┌─ Disk Drive Information ────────────────────────
├──────────────────────────────────────────────────
│ /dev/md4         44T  4.1T   38T  10% /
│ /dev/md2        990M  219M  704M  24% /boot
│ /dev/md5         24G  2.1M   24G   1% /root/media/_swap-reclaimed
│
│ ═══════════════════════════════════════════════════
│ Other Disks (NVMe / SATA / SAS)
│ ═══════════════════════════════════════════════════
│
│ ═══ /dev/sda ═══
│   Basic Info:  7.3T TOSHIBA MG05ACA800E ATA
│   SMART Status: PASSED
│   Power On Hours: 43758 hours
│   I/O Stats: This drive model does not report I/O statistics
│   Temperature: 28°C
│   Reallocated Sectors: 0
│   Pending Sectors: 0
│   Offline Uncorrectable: 0
│
│ ═══ /dev/sdb ═══
│   Basic Info:  7.3T TOSHIBA MG05ACA800E ATA
│   SMART Status: PASSED
│   Power On Hours: 48993 hours
│   I/O Stats: This drive model does not report I/O statistics
│   Temperature: 27°C
│   Reallocated Sectors: 0
│   Pending Sectors: 0
│   Offline Uncorrectable: 0
│
│ ═══ /dev/sdc ═══
│   Basic Info:  7.3T TOSHIBA MG05ACA800E ATA
│   SMART Status: PASSED
│   Power On Hours: 48993 hours
│   I/O Stats: This drive model does not report I/O statistics
│   Temperature: 32°C
│   Reallocated Sectors: 0
│   Pending Sectors: 0
│   Offline Uncorrectable: 0
│
│ ═══ /dev/sdd ═══
│   Basic Info:  7.3T TOSHIBA MG05ACA800E ATA
│   SMART Status: PASSED
│   Power On Hours: 36870 hours
│   I/O Stats: This drive model does not report I/O statistics
│   Temperature: 34°C
│   Reallocated Sectors: 0
│   Pending Sectors: 0
│   Offline Uncorrectable: 0
│
│ ═══ /dev/sde ═══
│   Basic Info:  7.3T TOSHIBA MG05ACA800E ATA
│   SMART Status: PASSED
│   Power On Hours: 57718 hours
│   I/O Stats: This drive model does not report I/O statistics
│   Temperature: 30°C
│   Reallocated Sectors: 0
│   Pending Sectors: 0
│   Offline Uncorrectable: 0
│
│ ═══ /dev/sdf ═══
│   Basic Info:  7.3T TOSHIBA MG05ACA800E ATA
│   SMART Status: PASSED
│   Power On Hours: 43758 hours
│   I/O Stats: This drive model does not report I/O statistics
│   Temperature: 28°C
│   Reallocated Sectors: 0
│   Pending Sectors: 0
│   Offline Uncorrectable: 0
└──────────────────────────────────────────────────
┌─ Disk I/O Capability ───────────────────────────
├──────────────────────────────────────────────────
│ fio Status          : Not installed (use --io-test to install/test)
│ Read/Write Test     : Disabled (use --io-test)
│
│ Mount Point        | Source             | FS       | Type       | Writable
│ ------------------ | ------------------ | -------- | ---------- | --------
│ /                  | /dev/md4           | ext4     | directory  | Yes
│ /boot              | /dev/md2           | ext4     | directory  | Yes
│ /root/media/_swa.. | /dev/md5           | ext4     | directory  | Yes
└──────────────────────────────────────────────────
┌─ RAID Controller Information ───────────────────
├──────────────────────────────────────────────────
│ Software RAID:
│   md5 : active raid0 sdf3[5] sde3[4] sdd3[3] sdc3[2] sdb3[1] sda3[0]
│   md4 : active raid0 sdb4[2] sdf4[5] sde4[4] sda4[3] sdd4[0] sdc4[1]
│   md2 : active raid1 sdb2[2] sde2[4] sdf2[5] sda2[3] sdc2[1] sdd2[0]
└──────────────────────────────────────────────────
┌─ Network Interface Information ─────────────────
├──────────────────────────────────────────────────
│
│ ═══ enp2s0f0 ═══
│   Model: Intel Corporation I350 Gigabit Network Connection (rev 01)
│   Status: UP
│   IPv4: 198.72.XX.XX/26
│   IPv6: fe80::XX:XX::/64
│   MAC Address: 00:25:90:XX:XX:XX
│   Speed: 1000 Mbps
│   Duplex: full
│   Link Detected: Yes
│   RX: 4.22 TB
│   TX: 59.01 GB
│
│ ═══ enp2s0f1 ═══
│   Model: Intel Corporation I350 Gigabit Network Connection (rev 01)
│   Status: UP
│   IPv4: 169.254.XX.XX/16
│   IPv6: fe80::XX:XX::/64
│   MAC Address: 00:25:90:XX:XX:XX
│   Speed: 1000 Mbps
│   Duplex: full
│   Link Detected: Yes
│   RX: 0 GB
│   TX: 0 GB
└──────────────────────────────────────────────────
┌─ Graphics Card Information ─────────────────────
├──────────────────────────────────────────────────
│
│ Graphics Cards (PCI):
│   08:03.0 VGA compatible controller: Matrox Electronics Systems Ltd. MGA G200eW WPCM450 (rev 0a)
│
│ Display Hardware Summary:
│   =========================================================
│   /0/100/1e/3         /dev/fb0   display        MGA G200eW WPCM450
└──────────────────────────────────────────────────
┌─ Motherboard Information ───────────────────────
├──────────────────────────────────────────────────
│ Vendor              : Supermicro
│ Model               : X9DR3-F
│ Version             : 0123456789
│ BIOS Vendor         : American Megatrends Inc.
│ BIOS Version        : 3.3
└──────────────────────────────────────────────────

Report generation completed!
Generated on: Tue Jun  2 06:09:10 AM UTC 2026

速度

看了眼备份转移的速度，从我的荷兰传输到加拿大，还行。

DataForest Cloud 测评 - 不出意外之后会是我新的长期选择

Mon, 01 Jun 2026 00:00:00 GMT

:::caution 根据商家反馈，当前注册验证手机号存在问题，手动验证帐户时，发放推荐奖励确实存在问题。等待官方修复。同时也可以发工单进行人工激活注册，说明来自链接 https://cloud.dataforest.net/ref/ht3fgpa2x0ls 的邀请注册即可让客户重新补发奖励的25欧元。 :::

商家介绍

DataForest（cloud.dataforest.net）是德国本土的云厂商，机房在法兰克福。它家卖的 KVM 实例叫 Seed，底层存储是 NVMe SSD + Ceph 三副本，按小时计费。他们很多人都见过吧，Avoro,PHP-Friends,包括机房服务 DataForest 都是他们的产品。云可以说是他们的第三代产品？

后台是自研的云面板，开机速度，响应速度都挺不错的。支持API进行管理。

工单响应速度upup，相比其他半天甚至几天找不到人的商家，这个处理工单速度不赖。

价格全部含 19% 德国增值税。

本人AFF: 下单地址走此AFF注册可以获得25欧元代金券

Entry — 入门档，按可用性分配 CPU，至少给到 Intel Xeon Gold，DDR4，平衡型 IOPS。

官方话术里把这档定位成开发/测试机，便宜是它最大的卖点。（~~当然也不便宜~~）

机型	vCPU	内存	盘	流量	月费
S	1C	2G	20G	10 TB	3,65 €
M	2C	4G	40G	10 TB	7,29 €
L	4C	8G	80G	10 TB	14,59 €
XL	8C	16G	160G	10 TB	23,91 €

Standard — 通用档，AMD EPYC Turin，2.6 GHz 起、最高 4.5 GHz，DDR5，IOPS 比 Entry 高一档。

目标客户是网站、数据库、CI/CD。提供CPU的性能保证。

机型	vCPU	内存	盘	流量	月费
S	2C	8G	80G	20 TB	9,01 €
M	4C	16G	160G	20 TB	18,02 €
DS	2C	8G	320G	20 TB	25,19 €
L	8C	24G	240G	20 TB	33,19 €
XL	10C	32G	360G	20 TB	43,63 €
XXL	16C	64G	500G	20 TB	67,09 €
DXXL	16C	64G	5120G	20 TB	373,58 €

Performance — CPU 优化档，AMD EPYC Turin (High Frequency)，3.3 GHz 起、最高 5 GHz，DDR5，"最大 IOPS"。

目标是 WordPress、IO、对单核敏感的应用。

机型	vCPU	内存	盘	流量	月费
S	2C	8G	80G	20 TB	12,26 €
M	4C	16G	160G	20 TB	24,51 €
L	8C	32G	240G	20 TB	46,16 €
XL	10C	48G	360G	20 TB	59,85 €
XXL	16C	64G	500G	20 TB	93,03 €
MXXL	16C	192G	500G	20 TB	160,71 €

加购项目前有三样：备份（每天异地，按小时计费）、快照（一份，按小时计费）、IPv4（按小时计费，按需开关）。价格都不友好，这里除了IPv4是固定价格其他都是根据机器来的，机器越贵，备份快照的价格越高。

需要注意的是。

他们流量采用很少见的流量池小时叠加的方案，按时间累计流量额度。和 Hetzner 之类开机就可以刷满20T 流量的有本质的区别。

每台 Seed 按小时向共享池“贡献”流量额度，同时所有机器共同消耗这个池，直到月末达到最大流量。

此举我觉得是继承了 Avoro 站点之前大规模滥用流量的事情，很多人恶意按小时刷光流量，因此后来取消了无限流量改成了20T。

测试机器选型

受测机器	套餐	vCPU	内存	盘	流量	月费
Entry	XL	8C	16G	160G NVMe-Ceph	10 TB	23,91 €
Standard	M	4C	16G	160G NVMe-Ceph	20 TB	18,02 €
Performance	M	4C	16G	160G NVMe-Ceph	20 TB	24,51 €

测试项目

CPU 微基准

sysbench cpu — 经典素数计算，单线程衡量主频差距，多线程衡量到 4 vCPU 的扩展性
7-zip benchmark — LZMA 压缩 / 解压，对内存子系统敏感，能反映"频率涨了但内存跟不上"的场景
openssl speed — AES-GCM / SHA-256 / ChaCha20-Poly1305，看硬件加密指令集（AES-NI 等）的差距，HTTPS 终结大流量直接对应
stress-ng matrix — 合成 FP 矩阵运算，主要用来确认重负载下不会因为热限频/超售出现衰减

内存

sysbench memory — 顺序/随机 × 读/写四组，看带宽和延迟的基本面
STREAM Triad — 业界跑了二十年的标准，判定 ClickHouse / 大缓存这种带宽敏感型负载的金标准
mbw MEMCPY — sysbench memory 在 KVM 上有已知噪声，mbw 用来对照修正

磁盘 IO

fio 4K 随机 — 数据库小事务的标准 proxy，Ceph 三副本最容易拉开差距的地方
fio 64K / 1M 顺序 — 大文件读写、流式备份场景
fio fsync 4K — 这一项最关键，决定 PostgreSQL/MySQL WAL 写入瓶颈，Ceph 类盘 IOPS 数字虚高，只有 fsync 不会骗人
ioping — 微秒级单次延迟，索引扫描 / KV 直接受影响

网络

ping 多锚点 — 8.8.8.8 / 1.1.1.1 / Cloudflare / GitHub /
Ookla speedtest 多服务器 ID — 法兰克福本地 + 欧洲 + 美东 + 亚太五个方向。
iperf3 → 公共 LG — 真实长流的 sustained 带宽
curl 大文件 HTTP — 模拟 apt/docker pull 这种实际发生的下载

真实服务负载

PostgreSQL 17 — sysbench oltp 四种 workload + pgbench TPC-B，覆盖混合读写、点查、纯读、TPC-B
Redis 7 — pipeline + 多种命令，单核敏感型工作负载的代表
Nginx + wrk — 静态文件服务，1k 小文件考验 syscall/中断，100k 大文件考验吞吐
Node.js — JSON 接口 + PBKDF2 计算密集型，看 V8 JIT 的表现
Go build / Rust build — 现代后端语言的编译开销
Docker pull / run / build — 容器日常工作流的延迟
OpenSSL 编译 (make -j4) — 经典的 C 工程并行编译，CI 场景代表
git clone / jq 处理大 JSON — 开发机日常工具的真实耗时

稳定性采样

整套测试期间持续跑 vmstat / mpstat，记录 steal% / iowait% / loadavg。

CPU

先看最直观的 sysbench prime（数到 30000 的素数），数值为 events/s：

线程	Entry	Standard	Performance
1 thread (events/s)	227.74	1206.20	1321.71
4 threads (events/s)	1762.67	4794.27	5289.90

单线程 Performance 是 Entry 的将近 6 倍。Standard 和 Performance 的单线程差距 9.6%，刚好对得上 4.5 → 5.0 GHz 的频率比。但是到 4 线程 Performance 只比 Standard 快 10%——4 个 vCPU 已经撞到内存子系统的瓶颈了。

7-zip 测试：

	ST MIPS	MT MIPS
Entry	4,462	35,988
Standard	7,916	39,743
Performance	8,125	39,478

MT 总分 Standard 居然比 Performance 高一点点。原因和上面一样，4vCPU已经是瓶颈了。

OpenSSL 全核加密走的是硬件指令集，差距更夸张：

16 KB 块	Entry	Standard	Performance
AES-256-GCM	~24 GB/s	~74 GB/s	88.6 GB/s
SHA-256	3.20 GB/s	8.48 GB/s	9.66 GB/s
ChaCha20-Poly1305	16.7 GB/s	21.95 GB/s	24.20 GB/s

Zen 5 的 AES-NI 比 Skylake-SP 快了快 4 倍，HTTPS 、TLS 大流量场景是更适合的场景。

stress-ng 的 matrix 测试（合成 FP 矩阵运算）。 bogo ops/s 是 stress-ng 自定义的"完成多少轮基准操作每秒"：

	并发 hogs	总 bogo ops/s	单核 bogo ops/s
Entry	8	22,206	2,781
Standard	4	37,377	9,362
Performance	4	42,378	10,621

Entry 是 8 核硬怼 4 核，总分还是只有 EPYC 两档的一半多一点；单核换算下来 Entry 只有 Performance 的 26%、Standard 的 30%。Standard 与 Performance 的单核差距 13.5%，与单线程 sysbench prime（9.6%）、7-zip ST（2.6%）方向一致——三个测试越偏纯算就越接近频率比。

内存

测试	Entry	Standard	Performance
sysbench 顺序读 1M (MiB/s)	154,300	353,962	368,113
sysbench 顺序写 1M (MiB/s)	21,151	5,789	8,001
sysbench 随机读 4K (MiB/s)	15,868	21,701	22,117
sysbench 随机写 4K (MiB/s)	477	289	368
STREAM Triad (MB/s)	60,446	146,633	114,423
mbw MEMCPY (MiB/s)	4,206	19,832	18,762

读带宽 DDR5 双倍碾压 DDR4 这点是必然的。但有两个问题：

第一，STREAM Triad Standard（146 GB/s）居然反超 Performance（114 GB/s）。这不是测试错误，多次复测一致。原因是底层硬件——Standard 跑的是 EPYC 9655（96 核芯片），内存通道宽，分给单个 vCPU 的带宽配额自然多；Performance 跑的是 9575F（64 核高频），频率高但内存通道相对挤。所以如果你跑 ClickHouse 聚合、超大 in-memory 缓存这种带宽敏感的活，Standard 反而更好。

第二，sysbench memory write 那一栏 Entry 看起来比 Standard/Performance 高 3–4 倍，这个数字是bug。sysbench memory 的 write 模式在 KVM 上一直有 store buffer 折算的噪声，已经是众所周知的"垃圾"指标。

磁盘

4K 随机用 fio，QD=64、4 jobs、direct=1：

	Entry	Standard	Performance
4K randread IOPS	153k	227k	236k
4K randwrite IOPS	144k	213k	247k
4K 70/30 读 IOPS	99.7k	160k	161k
4K 70/30 写 IOPS	42.8k	68.7k	69.0k

Performance 在写入侧是有优势，但读侧 Standard 已经追到只差 4%。

大块顺序更夸张：

	Entry	Standard	Performance
1M 顺序读 (GiB/s)	33.9	86.0	103
1M 顺序写 (MiB/s)	7455	18900	21100

86 ~ 103 GiB/s 这个数字物理上不可能是单盘速度。即便 fio 已经开了 direct=1，宿主上的 RBD 客户端缓存和 host page cache 还是把读绕回去了。这是云厂商 Ceph 类盘的常态，写入数据更能反映真实性能。

然后是数据库里的 fsync 4K 同步写：

	Entry	Standard	Performance
sync randwrite IOPS	689	775	700

三档差距 ±15% 以内。这就是 Ceph 三副本最大的问题：对一个 4K 块要 fsync，就要等三个副本网络确认。所以官方那句"Performance: maximum disk performance"在 fsync 这个最重要的 DB 指标上其实没体现。

ioping 微延迟可以稍微挽回一点 Performance 的颜面：

	Entry	Standard	Performance
顺序 min/avg (μs)	154 / 226	42 / 89	144 / 172
随机 min/avg (μs)	17.7 / 28.9	10.2 / 15.9	6.07 / 13.1
随机 IOPS	34.0k	62.3k	75.4k

Performance 的随机 4K 延迟下到 6 μs 量级，比 Entry 低三倍，对延迟敏感的 KV / 索引扫描有意义。

网络

只在 Performance 这台跑了完整网络测试，因为是同上游，不做过多测试了。：

锚点 ping 都是单毫秒级的：8.8.8.8 0.65 ms、1.1.1.1 1.34 ms、cloudflare.com 1.10 ms、github.com 1.01 ms、baidu.com 179 ms.

Ookla speedtest 多服务器：

测速点	延迟 (ms)	下行 (Mbps)	上行 (Mbps)
Auto/Frankfurt	0.49	9117	8787
Berlin	7.25	9197	6764
New York	79.62	6062	1128
Singapore	0.95*	17483	14753
Sydney	283.63	2538	326

* 新加坡延迟 < 1 ms 是 Cloudflare/Anycast PoP 在德国本地命中，并非真的 1 ms 到新加坡。这反过来说明 DataForest 上游到 Cloudflare 一跳之内。

iperf3 打 online.net 巴黎 LG，4 stream 5 秒收 8.17 Gbps；OVH 100 MB 文件单线程 223 MB/s（约 1.78 Gbps）。

业务负载

PostgreSQL 17

数据集 16 表 × 200k 行 ≈ 3 GB，sysbench oltp 跑 120 秒。

测试	Entry	Standard	Performance
OLTP 读写 (8 线程) tps	1,778	2,395	2,434
OLTP 读写 p95 延迟 (ms)	6.09	4.82	5.00
Point-Select (16 线程) qps	127,984	237,932	247,826
pgbench TPC-B (s=50, c=16) tps	6,643	7,716	8,013

混合读写下 Standard 和 Performance 差距只有 1.6%，这意味着你跑 PG 跑 MySQL 跑常见 OLTP，Standard 完全够用。Point-Select 这种纯索引查找差距大一点（Performance +4%），高频对单条短查询更友好，但提升不大。

Redis 7（pipeline=16, c=50）

这应该是 Performance 的主力项目了：

命令	Entry RPS	Standard RPS	Performance RPS
SET	1,136,363	1,742,160	3,164,556
GET	1,366,120	1,886,792	3,649,635
INCR	1,222,493	1,851,851	3,496,503
LPUSH	1,033,057	1,672,240	2,994,012
LPOP	968,992	1,552,795	2,688,172

Performance 几乎翻倍打 Standard。Redis 是单线程模型，这里 5 GHz 优势全部兑现成 QPS。如果你跑高 QPS 缓存层，Performance 是这次评测里 ROI 最高的选择，没有之一。

Nginx + wrk（4 线程、c=200、30s）

路径	Entry	Standard	Performance
/1k.bin Req/s	282,069	244,144	261,843
/100k.bin Req/s	95,234	89,691	93,230

打开看可能要怀疑人生——Entry 反超了。原因是 wrk + nginx 走 loopback，瓶颈在 syscall 路径和中断分布，4 vCPU 都跑满之后频率优势就没了，反倒 Entry 那张 Cascade Lake 的 HT 排布在这种高 IRQ 场景下更稳。100k 大文件三家拉平，差距 5% 以内。纯静态站，三档随便选。（但讲道理，静态限制都能放cloudflare了吧）

Node.js HTTP

路径	Entry	Standard	Performance
GET / (返回 JSON) Req/s	30,000	86,228	96,496
GET /hash (PBKDF2 2000 轮) Req/s	3,599	14,512	15,440

Node 的 V8 JIT 同时吃频率和 IPC，Performance 比 Standard 多 12%、比 Entry 多 3 倍多。如果你的业务是 Node API、SSR、BFF 这一类，Performance 的差价就开始有意义了。

编译类（make / cargo / go build / docker build）

任务	Entry	Standard	Performance
Go build (cold / warm)	8.88 / 0.08 s	5.83 / 0.05 s	5.99 / 0.04 s
Rust build cold (serde+serde_json)	8.83 s	4.05 s	4.24 s
Docker pull node:22-alpine	5.20 s	4.53 s	4.56 s
Docker run hello-world × 50	20.37 s	14.70 s	14.35 s
Docker build node 应用 cold	4.47 s	3.04 s	2.75 s
OpenSSL 3.3 build_libs (make -j4)	40.51 s	34.99 s	34.78 s
git clone --depth=1 cli/cli	1.67 s	1.31 s	1.24 s

Rust cold build测试中：Standard 比 Performance 还快 0.2 秒。其它编译任务两家差距都在 3% 以内。结论很清楚——CI runner 选 Standard，这 6 €/月的差价在编译里完全感受不到。

看来官方的定位还是相当准确的

jq 处理 30 万对象的 JSON

	Entry	Standard	Performance
filter	1.06 s	0.44 s	0.43 s
sum	1.21 s	0.41 s	0.38 s

数据处理类小工具，Standard / Performance 完全打平。

下面是一些赛博甜品测试

Yabs

Basic System Information:
---------------------------------
Uptime     : 1 days, 4 hours, 8 minutes
Processor  : AMD EPYC 9575F 64-Core Processor
CPU cores  : 4 @ 3299.998 MHz
AES-NI     : ✔ Enabled
VM-x/AMD-V : ✔ Enabled
RAM        : 15.6 GiB
Swap       : 1024.0 MiB
Disk       : 157.4 GiB
Distro     : Debian GNU/Linux 13 (trixie)
Kernel     : 6.12.74+deb13+1-amd64
VM Type    : KVM
IPv4/IPv6  : ✔ Online / ✔ Online

IPv6 Network Information:
---------------------------------
ISP        : dataforest GmbH
ASN        : AS58212 dataforest GmbH
Host       : dataforest GmbH
Location   : Frankfurt am Main, Hesse (HE)
Country    : Germany

fio Disk Speed Tests (Mixed R/W 50/50) (Partition /dev/sda2):
---------------------------------
Block Size | 4k            (IOPS) | 64k           (IOPS)
  ------   | ---            ----  | ----           ---- 
Read       | 536.33 MB/s (134.0k) | 6.66 GB/s   (104.0k)
Write      | 537.75 MB/s (134.4k) | 6.69 GB/s   (104.6k)
Total      | 1.07 GB/s   (268.5k) | 13.35 GB/s  (208.7k)
           |                      |                     
Block Size | 512k          (IOPS) | 1m            (IOPS)
  ------   | ---            ----  | ----           ---- 
Read       | 40.05 GB/s   (78.2k) | 45.10 GB/s   (44.0k)
Write      | 42.18 GB/s   (82.3k) | 48.10 GB/s   (46.9k)
Total      | 82.24 GB/s  (160.6k) | 93.20 GB/s   (91.0k)


iperf3 Network Speed Tests (IPv4):
---------------------------------
Provider        | Location (Link)           | Send Speed      | Recv Speed      | Ping           
-----           | -----                     | ----            | ----            | ----           
Clouvider       | London, UK (10G)          | 9.00 Gbits/sec  | 4.95 Gbits/sec  | 14.6 ms        
Eranium         | Amsterdam, NL (100G)      | 16.7 Gbits/sec  | 3.69 Gbits/sec  | 6.40 ms        
Uztelecom       | Tashkent, UZ (10G)        | 1.93 Gbits/sec  | 1.00 Gbits/sec  | 77.2 ms        
Leaseweb        | Singapore, SG (10G)       | 1.03 Gbits/sec  | 736 Mbits/sec   | 158 ms         
Clouvider       | Los Angeles, CA, US (10G) | 917 Mbits/sec   | 1.46 Gbits/sec  | 139 ms         
Leaseweb        | NYC, NY, US (10G)         | 1.99 Gbits/sec  | 2.27 Gbits/sec  | --             
Edgoo           | Sao Paulo, BR (1G)        | 979 Mbits/sec   | busy            | 240 ms         

iperf3 Network Speed Tests (IPv6):
---------------------------------
Provider        | Location (Link)           | Send Speed      | Recv Speed      | Ping           
-----           | -----                     | ----            | ----            | ----           
Clouvider       | London, UK (10G)          | busy            | 2.94 Gbits/sec  | 14.6 ms        
Eranium         | Amsterdam, NL (100G)      | 16.2 Gbits/sec  | 15.4 Gbits/sec  | 6.40 ms        
Uztelecom       | Tashkent, UZ (10G)        | 2.07 Gbits/sec  | busy            | 78.1 ms        
Leaseweb        | Singapore, SG (10G)       | 1.02 Gbits/sec  | 1.17 Gbits/sec  | --             
Clouvider       | Los Angeles, CA, US (10G) | busy            | busy            | 139 ms         
Leaseweb        | NYC, NY, US (10G)         | 2.20 Gbits/sec  | 2.70 Gbits/sec  | 83.1 ms        
Edgoo           | Sao Paulo, BR (1G)        | 569 Mbits/sec   | 852 Mbits/sec   | 241 ms

Geekbench 5 Benchmark Test:
---------------------------------
Test            | Value                         
                |                               
Single Core     |  2290                         
Multi Core      |   7921                    
Full Test       | https://browser.geekbench.com/v5/cpu/24273345


Geekbench 6 Benchmark Test:
---------------------------------
Test            | Value                         
                |                               
Single Core     |  2994                        
Multi Core      |   9062                    
Full Test       |  https://browser.geekbench.com/v6/cpu/17830318

Basic System Information:
---------------------------------
Uptime     : 0 days, 0 hours, 19 minutes
Processor  : Intel(R) Xeon(R) Gold 6230R CPU @ 2.10GHz
CPU cores  : 2 @ 2095.078 MHz
AES-NI     : ✔ Enabled
VM-x/AMD-V : ✔ Enabled
RAM        : 3.8 GiB
Swap       : 1024.0 MiB
Disk       : 39.3 GiB
Distro     : Debian GNU/Linux 13 (trixie)
Kernel     : 6.12.63+deb13-amd64
VM Type    : KVM
IPv4/IPv6  : ✔ Online / ✔ Online

IPv6 Network Information:
---------------------------------
ISP        : dataforest GmbH
ASN        : AS58212 dataforest GmbH
Host       : dataforest GmbH
Location   : Frankfurt am Main, Hesse (HE)
Country    : Germany

fio Disk Speed Tests (Mixed R/W 50/50) (Partition /dev/sda2):
---------------------------------
Block Size | 4k            (IOPS) | 64k           (IOPS)
  ------   | ---            ----  | ----           ---- 
Read       | 340.60 MB/s  (85.1k) | 4.60 GB/s    (71.9k)
Write      | 341.50 MB/s  (85.3k) | 4.63 GB/s    (72.3k)
Total      | 682.11 MB/s (170.5k) | 9.23 GB/s   (144.3k)
           |                      |                     
Block Size | 512k          (IOPS) | 1m            (IOPS)
  ------   | ---            ----  | ----           ---- 
Read       | 14.38 GB/s   (28.0k) | 12.37 GB/s   (12.0k)
Write      | 15.15 GB/s   (29.5k) | 13.19 GB/s   (12.8k)
Total      | 29.53 GB/s   (57.6k) | 25.57 GB/s   (24.9k)


Geekbench 5 Benchmark Test:
---------------------------------
Test            | Value                         
                |                               
Single Core     |   859                            
Multi Core      |    1683                           
Full Test       | https://browser.geekbench.com/v5/cpu/24264696

结论

关于 Performance 这档值不值。 它官方宣传是"CPU 优化、IOPS-optimised"。CPU 的实际收益体现在 Redis（翻倍）、Node（+12%）、单核数据库点查（+4%），其他场景跟 Standard 没差。所谓 IOPS 最大化只在 ioping 微延迟和 4K 写 IOPS 上看得到，落到 fsync 这种数据库真实写场景上，三档几乎一样。

Standard 它是这家三档里的甜点位。便宜 Performance 27%，DB / 编译 / Nginx 全打平，内存带宽（STREAM）反而更高。除非你明确知道自己吃单核，默认就该选 Standard。

Entry 建议不买，外面有更好的。。。。

网络法兰克福本地 9 Gbps 双向、欧洲互访 6–9 Gbps、Cloudflare 一跳，这是这家最强的部分。但没有亚太回程优化，国内访问 180 ms 起跳

稳定性 70 多项测试，三台 steal 全程为 0，watchdog 没触发过一次，整套跑下来 2 小时 50 分。

总结：Redis / 高 QPS API → Performance；几乎其它一切 → Standard；纯开发测试机 → Entry L。（但我总觉得 Entry 没有买的必要，其他家有更好的）

自建 Bangumi API 和图片反代

Sat, 30 May 2026 00:00:00 GMT

最近 Bangumi 被墙了，我站上有些内容靠它的接口和图片撑着，干脆自己搭个反代。

不想自己搭的，直接用我的也行：

API 反代：https://bgmapi.anibt.net
图片反代：https://bgmimg.anibt.net

配置都在仓库里。

::github{repo="Yuri-NagaSaki/bangumi-proxy"}

方案一：nginx 部署

Client
  -> Cloudflare
  -> nginx origin
  -> api.bgm.tv / lain.bgm.tv

安装 nginx

我用的是 N.WTF 打的 nginx 包，模块全，sub_filter、realip 这些直接就有：

apt install -y lsb-release ca-certificates apt-transport-https curl gnupg dpkg
curl -fsSL https://n.wtf/public.key | gpg --dearmor -o /usr/share/keyrings/n.wtf.gpg
cat > /etc/apt/sources.list.d/n.wtf.sources <<'EOF_NWTF'
Components: main
Types: deb
Uris: https://mirror-cdn.xtom.com/sb/nginx/
Suites: trixie
Architectures: amd64
Signed-By: /usr/share/keyrings/n.wtf.gpg
EOF_NWTF
apt update
apt install -y nginx-extras certbot python3-certbot-nginx nftables

申请证书

先建个 webroot 目录：

mkdir -p /var/www/letsencrypt
chown -R www-data:www-data /var/www/letsencrypt

再签证书：

certbot certonly --webroot -w /var/www/letsencrypt \
  -d api.example.com -d img.example.com \
  --agree-tos --register-unsafely-without-email --no-eff-email

我这边一张证书同时盖住两个域名，省事，以后 Cloudflare 想切 Full strict 也不用再动证书。

nginx 配置

完整模板在仓库的 bangumi-proxy.nginx.conf，部署时把里面的占位域名换掉：

api.example.com -> 你的 API 域名
img.example.com -> 你的图片域名

proxy_pass https://api.bgm.tv;
proxy_set_header Host api.bgm.tv;
proxy_ssl_server_name on;
proxy_ssl_name api.bgm.tv;

proxy_set_header Accept-Encoding "";
sub_filter_once off;
sub_filter_types application/json text/plain;
sub_filter "https://lain.bgm.tv" "https://img.example.com";
sub_filter "http://lain.bgm.tv" "https://img.example.com";
sub_filter "lain.bgm.tv" "img.example.com";

图片代理这边尽量不落盘：

proxy_pass https://lain.bgm.tv;
proxy_set_header Host lain.bgm.tv;
proxy_ssl_server_name on;
proxy_ssl_name lain.bgm.tv;

proxy_buffering off;
proxy_request_buffering off;
proxy_max_temp_file_size 0;
add_header Cache-Control "public, max-age=2592000, s-maxage=2592000, immutable" always;

这里我没写 proxy_cache_path，也没开 proxy_cache。图片的缓存交给 Cloudflare 按 Cache-Control 处理，本机只管转发，硬盘上不留东西，小盘机器也不怕被塞满。

只允许 Cloudflare 访问 443

nginx 这层可以做一道校验，只放行来自 Cloudflare IP 段的连接。不过这只能算兜底，真正该拦的地方是网络层——nftables 或者云厂商的防火墙。

nftables 大概长这样：

chain input {
    type filter hook input priority filter; policy accept;
    iif "lo" accept
    tcp dport 443 ip saddr @cf4 accept
    tcp dport 443 ip6 saddr @cf6 accept
    tcp dport 443 drop
}

cf4 和 cf6 这两个集合从 Cloudflare 官方 IP 列表生成：

这些段偶尔会变，最好挂个定时任务每天拉一次，更新完顺手 reload nftables 和 nginx 的 realip 配置。

真实 IP

套了 Cloudflare 之后，nginx 直接看到的来源全是 Cloudflare 边缘节点的 IP，日志里没法用。想拿到真实客户端 IP，得先信任 Cloudflare 的 IP 段，再让它读 CF-Connecting-IP：

real_ip_header CF-Connecting-IP;
real_ip_recursive on;
set_real_ip_from 103.21.244.0/22;
# 这里继续写完整 Cloudflare IPv4 / IPv6 段

完整的 IP 段仓库模板里已经写好了，照抄就行。

验证

配置弄完，如何测试：

nginx -t
systemctl reload nginx

curl -I https://api.example.com/__health
curl -I https://img.example.com/__health
curl https://api.example.com/v0/subjects/1 | grep img.example.com

最后那条 grep 能匹配到自己的图片域名，就说明 sub_filter 改写生效了。

图片缓存这样测：

IMG="https://img.example.com/r/200/pic/cover/l/c4/ca/1_d2tF2.jpg?cache-test=1"
curl -I "$IMG"
curl -I "$IMG"

连请求两次，第二次返回头里出现 cf-cache-status: HIT，边缘缓存就正常了。

方案二：Cloudflare Worker 部署

不想碰 VPS 的话，直接上 Cloudflare Worker。

用仓库里的 worker.js，先把开头两个域名改成自己的：

const API_HOST = "api.example.com"
const IMG_HOST = "img.example.com"

Cloudflare Dashboard 新建 Worker
把 worker.js 整个粘进去
改掉 API_HOST 和 IMG_HOST
Deploy
在 Worker 的 Domains & Routes 里绑上两个自定义域名

要提醒一句：Worker 比较适合个人小流量用，不建议公开。

小结

我的公开地址就放这了：

API：https://bgmapi.anibt.net
IMG：https://bgmimg.anibt.net

CORS 开成了 Access-Control-Allow-Origin: *，谁都能直接调。

火山云折扣机来啦——国内机器代购，欢迎找我

Sat, 30 May 2026 00:00:00 GMT

:::note 本文为代购 / 折扣信息，不代表火山引擎官方。下单、计费、售后均以官方平台为准。我只是赚点小钱。 :::

最近在倒腾Seedance 2.0,从火山那里拿了不少折扣，刚好可以倒腾倒腾。需要国内机器的，直接拉到文末找我就行。

为什么是火山云

火山是我目前拿到的三家云（阿里腾讯火山）里折扣最高的，我觉得相比来说还是比较不错的。

这次的折扣

主要是ECS(也就是服务器) ，云硬盘，共享带宽包（400rmb/T），对象存储，数据库，CDN。

给不少朋友看了，价格肥肠的不错。

这里不要用腾讯阿里的轻量做类比，我这里的ECS，和轻量完全不同的产品线哦。

有需要的朋友可以自行查看 https://console.volcengine.com/ecs

测试

怎么找我

需要的朋友，把你大概的用途、配置预期、时长发给我，我帮你算笔最划算的账，再报具体价格。

Telegram：TG
评论区留言也行，看到都会回。

OnlyServers 英国 25G 不限流量杜甫测试和分析

Wed, 20 May 2026 00:00:00 GMT

前言

OnlyServers 这个月又开始推高带宽杜甫活动了。：

Intel 服务器免费提供 25G unmetered；
AMD 服务器免费提供 100G unmetered；
活动时间到 2026-05-31 23:59 UTC；
活动文案里最低价格写的是 NOW 25G Unmetered - Dedicated Servers! - from $68.25。(当然那个低配想跑25G简直是做梦)

官网地址：https://onlyservers.com/

这次我自己也买了一台新机器，看看 OnlyServers 这波 25G 不限。机器位于英国 Fareham，网络归属 Packet Star Networks UK，IPv4/IPv6 都在线。

五月活动

本次活动给出的优惠码如下：

优惠码	说明
`LETIVNFNM`	任意服务器首月 65% off，并提供 lifetime 30% off
`PLUS`	按活动说明贴出订单号，可额外获得 1 周免费时长

本月新变化是带宽：

服务器类型	活动带宽
Intel servers	25G unmetered，无额外费用
AMD servers	100G unmetered，无额外费用

机器配置

配置如下：

项目	配置
System Variant	R640 10 Bay with 8 x NVME - Dual CPU
CPU	2 x Intel Xeon Gold 6148 2.40GHz 20-Core
核心/线程	40C / 80T
内存	192GB DDR4
系统盘	BOSS S1 Controller with 2 x 480GB
数据盘	2 x 3.84TB NVMe SSD 2.5" Gen4
网口	25 GBit/s Network Port
流量	Unmetered (25 Gbps Guaranteed)
系统	Debian 13
IP	Primary /28 Range，13 个可用 IPv4
付款周期	Monthly
价格	首月 $172.20，之后 $344.40/月

测试

YABS

Basic System Information:
---------------------------------
Uptime     : 0 days, 6 hours, 29 minutes
Processor  : Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz
CPU cores  : 80 @ 2400.000 MHz
AES-NI     : ✔ Enabled
VM-x/AMD-V : ✔ Enabled
RAM        : 188.4 GiB
Swap       : 0.0 KiB
Disk       : 7.4 TiB
Distro     : Debian GNU/Linux 13 (trixie)
Kernel     : 6.12.86+deb13-amd64
VM Type    : NONE
IPv4/IPv6  : ✔ Online / ✔ Online

IPv6 Network Information:
---------------------------------
ISP        : Packet Star Networks UK
ASN        : AS249 European Network
Host       : Packet Star Networks Limited
Location   : Fareham, England (ENG)
Country    : United Kingdom

fio Disk Speed Tests (Mixed R/W 50/50) (Partition /dev/sda2):
---------------------------------
Block Size | 4k            (IOPS) | 64k           (IOPS)
  ------   | ---            ----  | ----           ---- 
Read       | 109.97 MB/s  (27.4k) | 188.96 MB/s   (2.9k)
Write      | 110.26 MB/s  (27.5k) | 189.95 MB/s   (2.9k)
Total      | 220.24 MB/s  (55.0k) | 378.92 MB/s   (5.9k)
           |                      |                     
Block Size | 512k          (IOPS) | 1m            (IOPS)
  ------   | ---            ----  | ----           ---- 
Read       | 242.04 MB/s    (472) | 245.76 MB/s    (240)
Write      | 254.90 MB/s    (497) | 262.13 MB/s    (255)
Total      | 496.95 MB/s    (969) | 507.90 MB/s    (495)

fio Disk Speed Tests (Mixed R/W 50/50) (Partition /dev/md0):
---------------------------------
Block Size | 4k            (IOPS) | 64k           (IOPS)
  ------   | ---            ----  | ----           ---- 
Read       | 526.09 MB/s (131.5k) | 3.59 GB/s    (56.1k)
Write      | 527.48 MB/s (131.8k) | 3.61 GB/s    (56.4k)
Total      | 1.05 GB/s   (263.3k) | 7.20 GB/s   (112.6k)
           |                      |                     
Block Size | 512k          (IOPS) | 1m            (IOPS)
  ------   | ---            ----  | ----           ---- 
Read       | 4.05 GB/s     (7.9k) | 3.94 GB/s     (3.8k)
Write      | 4.26 GB/s     (8.3k) | 4.20 GB/s     (4.1k)
Total      | 8.32 GB/s    (16.2k) | 8.14 GB/s     (7.9k)

iperf3 Network Speed Tests (IPv4):
---------------------------------
Provider        | Location (Link)           | Send Speed      | Recv Speed      | Ping           
-----           | -----                     | ----            | ----            | ----           
Clouvider       | London, UK (10G)          | busy            | busy            | 1.44 ms        
Eranium         | Amsterdam, NL (100G)      | 23.4 Gbits/sec  | 23.4 Gbits/sec  | 9.57 ms        
Uztelecom       | Tashkent, UZ (10G)        | 2.31 Gbits/sec  | 2.54 Gbits/sec  | 102 ms         
Leaseweb        | Singapore, SG (10G)       | 1.27 Gbits/sec  | 1.09 Gbits/sec  | 186 ms         
Clouvider       | Los Angeles, CA, US (10G) | 1.19 Gbits/sec  | 1.42 Gbits/sec  | 130 ms         
Leaseweb        | NYC, NY, US (10G)         | 1.88 Gbits/sec  | 2.85 Gbits/sec  | 70.9 ms        
Edgoo           | Sao Paulo, BR (1G)        | 1.14 Gbits/sec  | 1.15 Gbits/sec  | 189 ms         

iperf3 Network Speed Tests (IPv6):
---------------------------------
Provider        | Location (Link)           | Send Speed      | Recv Speed      | Ping           
-----           | -----                     | ----            | ----            | ----           
Clouvider       | London, UK (10G)          | 7.11 Gbits/sec  | busy            | 1.47 ms        
Eranium         | Amsterdam, NL (100G)      | 20.8 Gbits/sec  | 16.8 Gbits/sec  | 9.54 ms        
Uztelecom       | Tashkent, UZ (10G)        | busy            | 2.04 Gbits/sec  | 107 ms         
Leaseweb        | Singapore, SG (10G)       | 848 Mbits/sec   | 1.01 Gbits/sec  | 186 ms         
Clouvider       | Los Angeles, CA, US (10G) | 1.15 Gbits/sec  | 1.41 Gbits/sec  | 130 ms         
Leaseweb        | NYC, NY, US (10G)         | 2.52 Gbits/sec  | 2.81 Gbits/sec  | 70.9 ms        
Edgoo           | Sao Paulo, BR (1G)        | 521 Mbits/sec   | 970 Mbits/sec   | 189 ms       


Geekbench 5 Benchmark Test:
---------------------------------
Test            | Value                         
                |                               
Single Core     |    1007                           
Multi Core      |    21918                           
Full Test       | https://browser.geekbench.com/v5/cpu/24313441

Geekbench 6 Benchmark Test:
---------------------------------
Test            | Value                         
                |                               
Single Core     |    1255                           
Multi Core      |    10639                           
Full Test       | https://browser.geekbench.com/v6/cpu/18059824

YABS completed in 14 min 51 sec

硬件检测


════════════════════════════════════════════════════════════════════════════════
                       System Hardware Information Report                       
════════════════════════════════════════════════════════════════════════════════

┌─ Report Overview ───────────────────────────────
├──────────────────────────────────────────────────
│ Version             : 2.6.0
│ Mode                : Text
│ I/O Benchmark       : Disabled (use --io-test)
│ I/O Method          : fio read/write benchmark; dd read/write fallback
│ Privacy             : IP/MAC masked
└──────────────────────────────────────────────────
┌─ System Information ────────────────────────────
├──────────────────────────────────────────────────
│ Hostname            : onlyservers
│ Operating System    : Debian GNU/Linux 13 (trixie)
│ Kernel Version      : 6.12.86+deb13-amd64
│ System Uptime       : up 6 hours, 54 minutes
└──────────────────────────────────────────────────
┌─ CPU Information ───────────────────────────────
├──────────────────────────────────────────────────
│ Model               : Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz
│ Cores               : 20
│ Threads             : 80
│ Frequency           : 2842.353 MHz
│ Cache               : 28160 KB
│ Usage               : 1.9%
│ CPU Temperature     : +43.0°C
└──────────────────────────────────────────────────
┌─ Memory (RAM) Information ──────────────────────
├──────────────────────────────────────────────────
│ Total               : 188.44 GB
│ Used                : 14Gi
│ Available           : 173.74 GB
│
│ Memory Modules:
├────────────────────────────────────────────────────────────────────────────────────────────────────┤
│ Size     │ Type   │ Frequency    │ Manufacturer │ Serial Number   │ Model                │
├────────────────────────────────────────────────────────────────────────────────────────────────────┤
│ 32 GB    │ DDR4   │ 2666 MT/s    │ 00CE063200CE │ 402C51CC        │ M393A4K40CB2-CTD     │
│ 32 GB    │ DDR4   │ 2666 MT/s    │ 00CE063200CE │ 402C5401        │ M393A4K40CB2-CTD     │
│ 32 GB    │ DDR4   │ 2666 MT/s    │ 00CE063200CE │ 402B9BB8        │ M393A4K40CB2-CTD     │
│ 32 GB    │ DDR4   │ 2666 MT/s    │ 00CE063200CE │ 402C52B3        │ M393A4K40CB2-CTD     │
│ 32 GB    │ DDR4   │ 2666 MT/s    │ 00CE063200CE │ 402C578C        │ M393A4K40CB2-CTD     │
│ 32 GB    │ DDR4   │ 2666 MT/s    │ 00CE063200CE │ 402C5641        │ M393A4K40CB2-CTD     │
└────────────────────────────────────────────────────────────────────────────────────────────────────┘
└──────────────────────────────────────────────────
┌─ Disk Drive Information ────────────────────────
├──────────────────────────────────────────────────
│ /dev/sda2       439G  3.2G  414G   1% /
│ /dev/sda1        99M  8.8M   90M   9% /boot/efi
│ /dev/md0        7.0T  180G  6.9T   3% /mnt/vf-nvme
│
│ ═══════════════════════════════════════════════════
│ Other Disks (NVMe / SATA / SAS)
│ ═══════════════════════════════════════════════════
│
│ ═══ /dev/sda ═══
│   Basic Info: 447.1G DELLBOSS VD ATA 
│   SMART Status: No information available
│   I/O Stats: Not supported for this drive model
│   → To request support: smartctl -a -j /dev/sda
│   → Report to: https://github.com/Yuri-NagaSaki/SICK/issues
│
│ ═══ /dev/nvme0n1 ═══
│   Basic Info:  3.5T SAMSUNG MZWLJ3T8HBLS-00007 
│   SMART Status: PASSED
│   Power On Hours: 30879 hours
│   Total Reads: 3.25 PB
│   Total Writes: 3.42 PB
│   Percentage Used: 6%
│   Health Status: 94%
│   Available Spare: 100%
│   Temperature: 36°C
│
│ ═══ /dev/nvme1n1 ═══
│   Basic Info:  3.5T SAMSUNG MZWLJ3T8HBLS-00007 
│   SMART Status: PASSED
│   Power On Hours: 25543 hours
│   Total Reads: 2.56 PB
│   Total Writes: 2.82 PB
│   Percentage Used: 5%
│   Health Status: 95%
│   Available Spare: 100%
│   Temperature: 36°C
└──────────────────────────────────────────────────
┌─ Disk I/O Capability ───────────────────────────
├──────────────────────────────────────────────────
│ fio Status          : Not installed (use --io-test to install/test)
│ Read/Write Test     : Disabled (use --io-test)
│
│ Mount Point        | Source             | FS       | Type       | Writable
│ ------------------ | ------------------ | -------- | ---------- | --------
│ /                  | /dev/sda2          | ext4     | directory  | Yes     
│ /boot/efi          | /dev/sda1          | vfat     | directory  | Yes     
│ /mnt/vf-nvme       | /dev/md0           | xfs      | directory  | Yes     
└──────────────────────────────────────────────────
┌─ RAID Controller Information ───────────────────
├──────────────────────────────────────────────────
│ Software RAID:
│   md0 : active raid0 nvme1n1[1] nvme0n1[0]
│ Hardware RAID Controllers:
│   3b:00.0 SATA controller: Marvell Technology Group Ltd. 88SE9230 PCIe 2.0 x2 4-port SATA 6 Gb/s RAID Controller (rev 11)
└──────────────────────────────────────────────────
┌─ Network Interface Information ─────────────────
├──────────────────────────────────────────────────
│
│ ═══ eno1np0 ═══
│   Model: Broadcom Inc. and subsidiaries BCM57414 NetXtreme-E 10Gb/25Gb RDMA Ethernet Controller (rev 01)
│   Status: UP
│   MAC Address: bc:97:e1:XX:XX:XX
│   Speed: 25000 Mbps
│   Duplex: full
│   Link Detected: Yes
│   RX: 253.17 GB
│   TX: 270.01 GB
│
│ ═══ eno2np1 ═══
│   Model: Broadcom Inc. and subsidiaries BCM57414 NetXtreme-E 10Gb/25Gb RDMA Ethernet Controller (rev 01)
│   Status: DOWN
│   MAC Address: bc:97:e1:XX:XX:XX
│   Link Detected: No
│   RX: 0 GB
│   TX: 0 GB
└──────────────────────────────────────────────────
┌─ Graphics Card Information ─────────────────────
├──────────────────────────────────────────────────
│
│ Graphics Cards (PCI):
│   03:00.0 VGA compatible controller: Matrox Electronics Systems Ltd. Integrated Matrox G200eW3 Graphics Controller (rev 04)
│
│ Display Hardware Summary:
│   =======================================================
│   /0/100/1c.4/0/0  /dev/fb0    display        Integrated Matrox G200eW3 Graphics Controller
└──────────────────────────────────────────────────
┌─ Motherboard Information ───────────────────────
├──────────────────────────────────────────────────
│ Vendor              : Dell Inc.
│ Model               : 06DKY5
│ Version             : A02
│ BIOS Vendor         : Dell Inc.
│ BIOS Version        : 2.27.0
└──────────────────────────────────────────────────

Report generation completed!
Generated on: Wed May 20 05:20:26 PM CST 2026

UnixBench

------------------------------------------------------------------------
Benchmark Run: Wed May 20 2026 17:27:12 - 17:55:14
80 CPUs in system; running 1 parallel copy of tests

Dhrystone 2 using register variables       49485970.0 lps   (10.0 s, 7 samples)
Double-Precision Whetstone                     8290.8 MWIPS (9.9 s, 7 samples)
Execl Throughput                               2276.3 lps   (29.9 s, 2 samples)
File Copy 1024 bufsize 2000 maxblocks        556001.9 KBps  (30.0 s, 2 samples)
File Copy 256 bufsize 500 maxblocks          142049.0 KBps  (30.0 s, 2 samples)
File Copy 4096 bufsize 8000 maxblocks       1887487.8 KBps  (30.0 s, 2 samples)
Pipe Throughput                              671439.5 lps   (10.0 s, 7 samples)
Pipe-based Context Switching                 140038.2 lps   (10.0 s, 7 samples)
Process Creation                               1553.9 lps   (30.0 s, 2 samples)
Shell Scripts (1 concurrent)                   2993.5 lpm   (60.0 s, 2 samples)
Shell Scripts (8 concurrent)                   2598.2 lpm   (60.0 s, 2 samples)
System Call Overhead                         347302.5 lps   (10.0 s, 7 samples)

System Benchmarks Index Values               BASELINE       RESULT    INDEX
Dhrystone 2 using register variables         116700.0   49485970.0   4240.4
Double-Precision Whetstone                       55.0       8290.8   1507.4
Execl Throughput                                 43.0       2276.3    529.4
File Copy 1024 bufsize 2000 maxblocks          3960.0     556001.9   1404.0
File Copy 256 bufsize 500 maxblocks            1655.0     142049.0    858.3
File Copy 4096 bufsize 8000 maxblocks          5800.0    1887487.8   3254.3
Pipe Throughput                               12440.0     671439.5    539.7
Pipe-based Context Switching                   4000.0     140038.2    350.1
Process Creation                                126.0       1553.9    123.3
Shell Scripts (1 concurrent)                     42.4       2993.5    706.0
Shell Scripts (8 concurrent)                      6.0       2598.2   4330.3
System Call Overhead                          15000.0     347302.5    231.5
                                                                   ========
System Benchmarks Index Score                                         881.1

------------------------------------------------------------------------
Benchmark Run: Wed May 20 2026 17:55:14 - 18:23:35
80 CPUs in system; running 80 parallel copies of tests

Dhrystone 2 using register variables     1772351892.6 lps   (10.0 s, 7 samples)
Double-Precision Whetstone                   479846.4 MWIPS (10.1 s, 7 samples)
Execl Throughput                              27641.0 lps   (29.9 s, 2 samples)
File Copy 1024 bufsize 2000 maxblocks      18807361.5 KBps  (30.0 s, 2 samples)
File Copy 256 bufsize 500 maxblocks         5325012.4 KBps  (30.0 s, 2 samples)
File Copy 4096 bufsize 8000 maxblocks      37662575.8 KBps  (30.0 s, 2 samples)
Pipe Throughput                            27138899.3 lps   (10.0 s, 7 samples)
Pipe-based Context Switching                7699988.4 lps   (10.0 s, 7 samples)
Process Creation                              97652.6 lps   (30.0 s, 2 samples)
Shell Scripts (1 concurrent)                 141487.8 lpm   (60.0 s, 2 samples)
Shell Scripts (8 concurrent)                  19101.4 lpm   (60.1 s, 2 samples)
System Call Overhead                       13463658.4 lps   (10.0 s, 7 samples)

System Benchmarks Index Values               BASELINE       RESULT    INDEX
Dhrystone 2 using register variables         116700.0 1772351892.6 151872.5
Double-Precision Whetstone                       55.0     479846.4  87244.8
Execl Throughput                                 43.0      27641.0   6428.2
File Copy 1024 bufsize 2000 maxblocks          3960.0   18807361.5  47493.3
File Copy 256 bufsize 500 maxblocks            1655.0    5325012.4  32175.3
File Copy 4096 bufsize 8000 maxblocks          5800.0   37662575.8  64935.5
Pipe Throughput                               12440.0   27138899.3  21815.8
Pipe-based Context Switching                   4000.0    7699988.4  19250.0
Process Creation                                126.0      97652.6   7750.2
Shell Scripts (1 concurrent)                     42.4     141487.8  33369.8
Shell Scripts (8 concurrent)                      6.0      19101.4  31835.7
System Call Overhead                          15000.0   13463658.4   8975.8
                                                                   ========
System Benchmarks Index Score                                       28285.7

IP 测试

SpeedTest 带宽测试

---------------------------------------------------------------------------
 Basic System Info
---------------------------------------------------------------------------
 CPU Model          : Intel(R) Xeon(R) Gold 6148 CPU @ 2.40GHz
 CPU Cores          : 12 @ 2394.374 MHz
 CPU Cache          : 28160 KB
 AES-NI             : ✔ Enabled
 VM-x/AMD-V         : ✔ Enabled
 Total Disk         : 1.3 TB (1.3 GB Used)
 Total RAM          : 31.3 GB (590.3 MB Used)
 System uptime      : 0 days, 5 hour 46 min
 Load average       : 0.04, 0.06, 0.02
 OS                 : Debian GNU/Linux 13
 Arch               : x86_64 (64 Bit)
 Kernel             : 6.12.38+deb13-amd64
 Virtualization     : KVM
 TCP Control        : cubic
---------------------------------------------------------------------------
 Basic Network Info
---------------------------------------------------------------------------
 Primary Network    : IPv4
 IPv6 Access        : ❌ Offline
 IPv4 Access        : ✔ Online
 ISP                : Apoteket AB
 ASN                : Unknown
 Host               : Apoteket AB
 Location           : Stockholm, Stockholm County-AB, Sweden
---------------------------------------------------------------------------
 Speedtest.net (Region: GLOBAL)
---------------------------------------------------------------------------
 Location         Latency     Loss    DL Speed       UP Speed       Server      

 ISP:  

 Nearest          33.17 ms    0.0%    8228.26 Mbps   3202.21 Mbps   AltusHost B.V. - Stockholm 

 Bangalore, IN    132.63 ms   0.0%    5943.75 Mbps   691.17 Mbps    Bharti Airtel Ltd - Bangalore 
 Chennai, IN      203.16 ms   0.0%    4410.23 Mbps   443.86 Mbps    RailTel Corporation of India Ltd - Chennai 
 Mumbai, IN       166.49 ms   0.0%    6179.90 Mbps   482.02 Mbps    Melbicom - Mumbai 

 Seattle, US      137.00 ms   N/A     7034.08 Mbps   643.09 Mbps    Comcast - Seattle, WA 
 Los Angeles, US  129.77 ms   0.0%    6178.70 Mbps   730.50 Mbps    ReliableSite Hosting - Los Angeles, CA 
 Dallas, US       102.50 ms   0.0%    9376.04 Mbps   615.45 Mbps    Hivelocity - Dallas, TX 
 Miami, US        116.71 ms   0.0%    2361.71 Mbps   874.31 Mbps    Frontier - Miami, FL 
 New York, US     94.80 ms    0.0%    11125.76 Mbps  1184.60 Mbps   GSL Networks - New York, NY 
 Toronto, CA      84.46 ms    0.0%    7472.95 Mbps   1092.56 Mbps   Rogers - Toronto, ON 
 Mexico City, MX  163.36 ms   0.0%    5286.64 Mbps   350.37 Mbps    INFINITUM - Ciudad de México 

 London, UK       2.84 ms     0.0%    7316.16 Mbps   6155.29 Mbps   VeloxServ Communications - London 
 Amsterdam, NL    15.94 ms    0.0%    18002.38 Mbps  4681.29 Mbps   RoyaleHosting B.V. - Amsterdam 
 Paris, FR        9.17 ms     0.0%    15831.94 Mbps  11426.09 Mbps  Scaleway - Paris 
 Frankfurt, DE    14.73 ms    0.0%    7604.12 Mbps   3498.20 Mbps   Clouvider Ltd - Frankfurt am Main 
 Warsaw, PL       28.28 ms    0.0%    9142.65 Mbps   3885.45 Mbps   Play - Warszawa 
 Bucharest, RO    42.49 ms    0.0%    14379.16 Mbps  2680.78 Mbps   Digi        
 Moscow, RU       54.85 ms    0.0%    9273.52 Mbps   1107.10 Mbps   fdcservers.net - Moscow 

 Jeddah, SA       82.84 ms    0.0%    9214.78 Mbps   1418.81 Mbps   Saudi Telecom Company 
 Dubai, AE        110.81 ms   N/A     10415.84 Mbps  953.06 Mbps    e& UAE - Dubai 
 Istanbul, TR     47.57 ms    0.0%    15011.47 Mbps  2272.93 Mbps   Turkcell - Istanbul 
 Tehran, IR       FAILED                                                        
 Cairo, EG        67.65 ms    0.0%    9288.89 Mbps   1606.29 Mbps   Telecom Egypt - Cairo 

 Tokyo, JP        FAILED                                                        
 Shanghai, CU-CN  FAILED                                                        
 Hong Kong, CN    186.41 ms   N/A     5492.57 Mbps   275.87 Mbps    Misaka Network, Inc. - Hong Kong 
 Singapore, SG    196.26 ms   0.0%    5149.25 Mbps   477.74 Mbps    ViewQwest - Singapore 
 Jakarta, ID      172.65 ms   0.0%    5596.85 Mbps   246.16 Mbps    PT Solnet Indonesia - Jakarta 

 Sydney, AU       272.48 ms   0.0%    691.08 Mbps    439.72 Mbps    Aussie Broadband - Sydney 
---------------------------------------------------------------------------
 Avg DL Speed       : 8308.08 Mbps
 Avg UL Speed       : 1978.27 Mbps

 Total DL Data      : 298.11 GB
 Total UL Data      : 61.30 GB
 Total Data         : 359.41 GB
---------------------------------------------------------------------------
 Duration           : 13 min 49 sec
 System Time        : 20/05/2026 - 19:09:33 CST
---------------------------------------------------------------------------
 Result             : https://result.nws.sh/r/1779275380_8EZ3ZS_GLOBAL.txt
---------------------------------------------------------------------------

硬盘

root@onlyservers:~# smartctl -a /dev/nvme0n1
smartctl -a /dev/nvme1n1
smartctl 7.4 2023-08-01 r5530 [x86_64-linux-6.12.86+deb13-amd64] (local build)
Copyright (C) 2002-23, Bruce Allen, Christian Franke, www.smartmontools.org

=== START OF INFORMATION SECTION ===
Model Number:                       SAMSUNG MZWLJ3T8HBLS-00007
Serial Number:                      S4YPNA0R300284
Firmware Version:                   EPK9GB5Q
PCI Vendor/Subsystem ID:            0x144d
IEEE OUI Identifier:                0x002538
Total NVM Capacity:                 3,840,755,982,336 [3.84 TB]
Unallocated NVM Capacity:           0
Controller ID:                      65
NVMe Version:                       1.3
Number of Namespaces:               32
Namespace 1 Size/Capacity:          3,840,755,982,336 [3.84 TB]
Namespace 1 Formatted LBA Size:     4096
Local Time is:                      Wed May 20 10:31:16 2026 CST
Firmware Updates (0x17):            3 Slots, Slot 1 R/O, no Reset required
Optional Admin Commands (0x00df):   Security Format Frmw_DL NS_Mngmt Self_Test MI_Snd/Rec Vrt_Mngmt
Optional NVM Commands (0x007f):     Comp Wr_Unc DS_Mngmt Wr_Zero Sav/Sel_Feat Resv Timestmp
Log Page Attributes (0x0e):         Cmd_Eff_Lg Ext_Get_Lg Telmtry_Lg
Maximum Data Transfer Size:         32 Pages
Warning  Comp. Temp. Threshold:     72 Celsius
Critical Comp. Temp. Threshold:     85 Celsius

Supported Power States
St Op     Max   Active     Idle   RL RT WL WT  Ent_Lat  Ex_Lat
 0 +    25.00W   20.00W       -    0  0  0  0        0       0

Supported LBA Sizes (NSID 0x1)
Id Fmt  Data  Metadt  Rel_Perf
 0 -     512       0         1
 1 -     512       8         3
 2 +    4096       0         0
 3 -    4096       8         2
 4 -    4096      64         3

=== START OF SMART DATA SECTION ===
SMART overall-health self-assessment test result: PASSED

SMART/Health Information (NVMe Log 0x02)
Critical Warning:                   0x00
Temperature:                        36 Celsius
Available Spare:                    100%
Available Spare Threshold:          10%
Percentage Used:                    6%
Data Units Read:                    7,162,985,086 [3.66 PB]
Data Units Written:                 7,532,355,612 [3.85 PB]
Host Read Commands:                 32,004,246,618
Host Write Commands:                31,912,646,565
Controller Busy Time:               9,795
Power Cycles:                       264
Power On Hours:                     30,872
Unsafe Shutdowns:                   143
Media and Data Integrity Errors:    0
Error Information Log Entries:      0
Warning  Comp. Temperature Time:    0
Critical Comp. Temperature Time:    0
Temperature Sensor 1:               36 Celsius

Error Information (NVMe Log 0x01, 16 of 256 entries)
No Errors Logged

Read Self-test Log failed: Invalid Field in Command (0x002)

smartctl 7.4 2023-08-01 r5530 [x86_64-linux-6.12.86+deb13-amd64] (local build)
Copyright (C) 2002-23, Bruce Allen, Christian Franke, www.smartmontools.org

=== START OF INFORMATION SECTION ===
Model Number:                       SAMSUNG MZWLJ3T8HBLS-00007
Serial Number:                      S4YPNA0R300025
Firmware Version:                   EPK9GB5Q
PCI Vendor/Subsystem ID:            0x144d
IEEE OUI Identifier:                0x002538
Total NVM Capacity:                 3,840,755,982,336 [3.84 TB]
Unallocated NVM Capacity:           0
Controller ID:                      65
NVMe Version:                       1.3
Number of Namespaces:               32
Namespace 1 Size/Capacity:          3,840,755,982,336 [3.84 TB]
Namespace 1 Formatted LBA Size:     4096
Local Time is:                      Wed May 20 10:31:16 2026 CST
Firmware Updates (0x17):            3 Slots, Slot 1 R/O, no Reset required
Optional Admin Commands (0x00df):   Security Format Frmw_DL NS_Mngmt Self_Test MI_Snd/Rec Vrt_Mngmt
Optional NVM Commands (0x007f):     Comp Wr_Unc DS_Mngmt Wr_Zero Sav/Sel_Feat Resv Timestmp
Log Page Attributes (0x0e):         Cmd_Eff_Lg Ext_Get_Lg Telmtry_Lg
Maximum Data Transfer Size:         32 Pages
Warning  Comp. Temp. Threshold:     72 Celsius
Critical Comp. Temp. Threshold:     85 Celsius

Supported Power States
St Op     Max   Active     Idle   RL RT WL WT  Ent_Lat  Ex_Lat
 0 +    25.00W   20.00W       -    0  0  0  0        0       0

Supported LBA Sizes (NSID 0x1)
Id Fmt  Data  Metadt  Rel_Perf
 0 -     512       0         1
 1 -     512       8         3
 2 +    4096       0         0
 3 -    4096       8         2
 4 -    4096      64         3

=== START OF SMART DATA SECTION ===
SMART overall-health self-assessment test result: PASSED

SMART/Health Information (NVMe Log 0x02)
Critical Warning:                   0x00
Temperature:                        36 Celsius
Available Spare:                    100%
Available Spare Threshold:          10%
Percentage Used:                    5%
Data Units Read:                    5,632,036,962 [2.88 PB]
Data Units Written:                 6,201,576,585 [3.17 PB]
Host Read Commands:                 24,334,079,813
Host Write Commands:                25,860,116,650
Controller Busy Time:               7,658
Power Cycles:                       235
Power On Hours:                     25,537
Unsafe Shutdowns:                   137
Media and Data Integrity Errors:    0
Error Information Log Entries:      0
Warning  Comp. Temperature Time:    0
Critical Comp. Temperature Time:    0
Temperature Sensor 1:               36 Celsius

Error Information (NVMe Log 0x01, 16 of 256 entries)
No Errors Logged

Read Self-test Log failed: Invalid Field in Command (0x002)

PCIE3.0 的问题

我感觉很多人会对这个感兴趣。买之前就已经猜到会有这个问题，结果果然不出所料。

这次机器最容易误解的点是 NVMe。订单里写的是 2 x 3.84TB NVMe SSD 2.5" Gen4，硬盘本身确实是 Gen4 企业盘，也就是 Samsung PM173X。但服务器平台是 Dell R640，CPU 是 Xeon Gold 6148，这个平台只能提供 PCIe 3.0。

原因很简单：PCIe 通道来自 CPU，而 Xeon Gold 6148 属于第一代 Intel Xeon Scalable，发布时间是 2017 年，CPU 只支持 PCIe 3.0。即使你插入 PCIe 4.0 NVMe，链路也只能向下协商到 PCIe 3.0。

实测 lspci 也能看到：

root@onlyservers:~# lspci -vv -s b1:00.0 | grep LnkSta
LnkSta: Speed 8GT/s (downgraded), Width x4
LnkSta2: Current De-emphasis Level: -3.5dB, EqualizationComplete+ EqualizationPhase1+

PCIe 3.0 x4 的理论单向带宽约为 3.94GB/s。考虑协议、控制器、文件系统和测试方式，单盘实际顺序速度通常会低于理论值。两块盘 RAID0 后，fio 里 512K/1M 混合读写能到 8GB/s 左右，总体是符合预期的。

所以这点需要购买的时候仔细分析，这是个小雷点吧。 R640 + Xeon Gold 6148 这个平台不支持PCIE4.0。要原生 PCIe 4.0，一般需要 AMD EPYC Rome/Milan 之后的平台，或者 Intel Ice Lake Xeon 之后的平台。(也就是他卖100G无限的配置)。

总结

OnlyServers 这次五月活动最大的看点就是把 Intel 机器的带宽直接拉到 25G unmetered，AMD 机器则写到 100G unmetered。至少我这台 R640 的订单和实测都能体现出 25G 端口不是摆设，欧洲方向 iperf3 可以跑到 23Gbps 以上。

长期我会观察观察25G端口的占用情况。

新情报

Regarding future upgrades to your server, please note that if you decide to add additional resources such as RAM or storage, the server would move to the full standard pricing for the upgraded service. To proceed with the upgrade, you would need to pay the difference between your current monthly price and the new upgraded price.

Please also be aware that any existing introductory offer period, promotional pricing, or voucher currently applied to your service would no longer apply after the upgrade.

If you have any further questions or would like assistance reviewing upgrade options in the future, please don’t hesitate to get in touch.

如果要下单的，需要一次性下单最佳配置。后期扩容会直接恢复原价。

AveMujicaAPI ：低成本接入 GPT-5.5、Codex 和 Image-2

Tue, 12 May 2026 00:00:00 GMT

难得发次广告推荐自己的

AveMujicaAPI 是一个面向开发者和日常使用者的 GPT 模型 API 中转站。它兼容 OpenAI API 格式，接入方式简单，按量使用，适合开发、测试、自动化、客户端调用等场景。支持企业开票，支持支付宝微信 Stripe 等方式付款。本人自己也在高强度使用。

官网地址：

新用户福利

目前前 1000 名注册用户赠送 10U 账户余额，可以直接用来体验站内模型。

接入方式

和其他中转没啥区别，都是使用new-api。

价格和模型

AveMujicaAPI 的直充汇率是 0.15 元 / 1U，人民币价格按 1U = 0.15 元 估算，具体以控制台显示为准。

量大联系商务可以获取优惠。

模型	适合场景	输入 / 1M Tokens	补全 / 1M Tokens	缓存读取 / 1M Tokens
GPT-5.2	高性价比通用模型	0.25U，约 0.0375 元	2U，约 0.3 元	0.018U，约 0.0027 元
GPT-5.3 Codex	专业代码生成模型	1.75U，约 0.2625 元	14U，约 2.1 元	0.175U，约 0.0263 元
GPT-5.4	旗舰级通用模型	2.5U，约 0.375 元	15U，约 2.25 元	0.25U，约 0.0375 元
GPT-5.4 Mini	轻量级高效模型	0.75U，约 0.1125 元	4.5U，约 0.675 元	0.075U，约 0.0113 元
GPT-5.5	最新旗舰模型	5U，约 0.75 元	30U，约 4.5 元	0.5U，约 0.075 元
Codex Auto Review	代码审查模型	1U，约 0.15 元	1U，约 0.15 元	以控制台为准

图片模型单独计费：

模型	价格
GPT Image 2	0.1U/次，约 0.015 元/次

订阅和按量付费

如果只是偶尔调用，按量充值更灵活，低至 0.15 元 / U。

如果短时间内要集中使用，比如跑 Codex、批量处理文档、连续调试项目，可以优先看订阅套餐。文档里目前提到的订阅卡包括 1 天、3 天、7 天等形式，折算下来最低可以到 0.1 元 / U。

订阅额度和永久余额不是一回事，订阅到期后未使用的订阅额度会失效。长期零散使用建议按量充值，短期高强度使用再考虑订阅。

联系方式

滥用反馈：abuse@avemujica.moe
工单支持：support@avemujica.moe
商业合作：business@avemujica.moe

AniBT-Speed：构建自己的 BT 做种加速管理平台

Sun, 12 Apr 2026 00:00:00 GMT

问题背景

最近在弄BT做种，本来想偷懒的，但是发现由于BT的RSS数量过多且如果发布旧种无人做种的情况下会一直占着队列导致新的反而无法下载（设置了最大例如8个同时下载）。

::github{repo="Yuri-NagaSaki/AniBT-Speed"}

项目定位

AniBT-Speed 参考了 PBH-BTN/SwarmAccelerator 的设计理念，但从实现层面完全重写，目标是提供一个：

前端可配置的管理面板，所有策略参数通过 Web UI 调整，无需编辑配置文件
多实例架构，支持同时管理多个 qBittorrent 实例并做负载均衡
一键部署，Docker Compose 启动即用

核心功能

智能空间管理

做种最头疼的问题之一就是磁盘空间。AniBT-Speed 实现了基于时间和分享率的智能删除策略：

空间告警阈值: 85%（触发清理）
保护时间窗口: 8 小时（新种子强制保留）
分界时间: 12 小时

删除优先级:
  - 添加不满 8h → 强制保护，不删除
  - 8h ~ 12h   → 优先删除高分享率的（已经做够了）
  - 超过 12h   → 优先删除低分享率的（帮助初种）

这个策略的核心逻辑是：新种子需要保护，中期种子如果分享率已经很高说明贡献足够了，老种子如果分享率还很低说明没人要可以清理。

flowchart TD
    A[定时检查 每5分钟] --> B{磁盘使用率 > 85%?}
    B -- 否 --> Z[无操作]
    B -- 是 --> C[获取所有种子列表]
    C --> D{添加时间 < 8h?}
    D -- 是 --> E[强制保护 不删除]
    D -- 否 --> F{添加时间 < 12h?}
    F -- 是 --> G[按分享率降序排列 优先删除高分享率]
    F -- 否 --> H[按分享率升序排列 优先删除低分享率]
    G --> I[删除种子+数据]
    H --> I
    I --> J{空间恢复到阈值以下?}
    J -- 否 --> D
    J -- 是 --> Z

RSS 订阅与负载均衡

当你有多个 qBittorrent 实例时，新种子应该下载到哪个实例？AniBT-Speed 采用负载均衡算法自动选择：

score = active_torrents * 1.0 + upload_speed_mbps * 0.3 + paused_torrents * 0.2
# 分数越低，负载越轻，优先分配新任务

RSS 订阅支持两种模式：

自动分配（instance_id = 0）：后端轮询 RSS，通过负载均衡选择最佳实例
指定实例（instance_id > 0）：使用 qBittorrent 原生 RSS 规则，直接绑定到特定实例

flowchart TD
    A[RSS 轮询 每5分钟] --> B[获取 RSS Feed 列表]
    B --> C{遍历每个 Feed}
    C --> D{instance_id = 0?}
    D -- 是 自动模式 --> E[后端解析 RSS XML]
    D -- 否 指定实例 --> F[qBT 原生 RSS 规则处理]
    E --> G[过滤匹配关键字]
    G --> H{已处理过?}
    H -- 是 --> C
    H -- 否 --> I[查询所有实例负载]
    I --> J[计算负载评分 选择最优实例]
    J --> K[添加种子到选中实例]
    K --> L[记录已处理 GUID]
    L --> C

智能队列管理

当一个种子的所有 Tracker 和 DHT 网络上都没有下载者（leechers = 0）时，继续做种只是浪费资源。队列管理器会自动暂停这些种子，等到有新的下载者出现时再恢复。

速率限制

为了不影响服务器上的其他服务，限速策略分为两档：

场景	上传限速	下载限速
仅做种	100 MB/s	不限制
有活动下载	80 MB/s	60 MB/s

还支持滑动窗口限速：设置每小时或每日的流量上限，超过后自动降速。

反吸血保护

集成 PeerBanHelper，自动封禁使用吸血客户端的 Peer。支持 BTN 云端规则和迅雷限制策略。

Telegram 通知

所有关键事件都可以推送到 Telegram：

新种子下载完成
种子被删除（附带原因）
空间告警
每日统计摘要（可自定义推送时间）

Docker 部署

Yaml 文件

services:
  backend:
    image: ghcr.io/yuri-nagasaki/anibt-speed-backend:latest
    container_name: anibt-speed-backend
    environment:
      - SECRET_KEY=${SECRET_KEY:-change-me}
      - ADMIN_PASSWORD=${ADMIN_PASSWORD:-admin}
      - TZ=Asia/Shanghai
    volumes:
      - ./backend/data:/app/data
    networks:
      - anibt
    restart: unless-stopped

  frontend:
    image: ghcr.io/yuri-nagasaki/anibt-speed-frontend:latest
    container_name: anibt-speed-frontend
    ports:
      - "127.0.0.1:6868:6868"
    depends_on:
      - backend
    networks:
      - anibt
    restart: unless-stopped

  peerbanhelper:
    image: ghostchu/peerbanhelper:latest
    container_name: anibt-speed-pbh
    environment:
      - TZ=Asia/Shanghai
    ports:
      - "127.0.0.1:9898:9898"
    volumes:
      - ./peerbanhelper/data:/app/data
    networks:
      - anibt
    restart: unless-stopped

networks:
  anibt:
    driver: bridge

部署教程

环境要求

Docker + Docker Compose
Git
一个或多个已运行的 qBittorrent 实例

一键部署

# 克隆仓库
git clone https://github.com/Yuri-NagaSaki/AniBT-Speed.git
cd AniBT-Speed

# 一键部署（从 GHCR 拉取预构建镜像）
chmod +x deploy.sh
./deploy.sh

部署脚本会自动：

检查 Docker 等依赖
生成 .env 文件（含随机 SECRET_KEY）
拉取镜像并启动服务
验证所有服务运行状态

[!TIP] 如果需要本地构建镜像，使用 BUILD_LOCAL=1 ./deploy.sh

初始配置

部署完成后：

打开 http://你的服务器IP:6868，使用 .env 中的密码登录
进入「实例管理」，添加你的 qBittorrent 实例
进入「RSS 管理」，添加 RSS 订阅源
（可选）配置 Telegram 通知
（可选）访问 http://127.0.0.1:9898 配置 PeerBanHelper

[!IMPORTANT] 默认密码为 admin，请在 .env 文件中修改 ADMIN_PASSWORD 后重启服务。

健康检查

项目自带 26 项健康检查脚本：

chmod +x test.sh
./test.sh

检查项覆盖容器状态、网络隔离、API 端点、端口暴露、内部连通性、时区配置和数据持久化。

总结

AniBT-Speed 的目标是让做种管理从手动操作变为自动化策略驱动。所有参数都通过 Web UI 配置，策略调整无需重启服务，适合需要管理大量种子的 PT/BT 用户。

如果你也在用 qBittorrent 做种并且对自动化管理有需求，欢迎试用和反馈。

猫猫博客

猫猫Emby服食用指南

截图一览

资源说明：

食用指南

小作文（该节点负载已满不再开放）

申请条件（已暂停）：

付费观看 （介于很多人留言，所以单独新增节点重新开放）

购买

播放指南

Windows

1.小秘客户端下载

2.🧭 开启弹幕

🌟 集成 Anime4K

Netcup 注册免税入坑指南

Netcup介绍

注册准备

注册流程

获取优惠券

账户验证

CCP支付订单

取消Netcup机器

Netcup机器价格说明

如何确认Netcup机器的订单周期

如何确认你的账户是否免税成功

如何PUSH机器

带宽流量规则

Netcup优惠活动时间

NetCup 优惠券

5欧优惠券

VPS 1000 G11

RS 1000 优惠券

RS 2000 优惠券

什么值得买-持续更新ing（VPS推荐）

前言

项目,建站,性能需求型推荐

1.Hetzner

相关测试

购买链接

2.Crunchbits

相关测试

购买链接

3.Liteserver （近两年涨价离谱，非黑五不推荐）

相关测试

购买链接

4.Netcup

5.Alwyzon

相关测试

购买链接

6.Nube.sh

相关测试

购买链接

7.Evoxt

相关测试

购买链接

离线下载,存储PT下载型推荐

1.HostBrr （可刷PT，但注意流量，Hetzner转售）

相关测试

购买链接

2.BuyVM（PT刷力很烂，离线下载不错，唯一优点抗DMCA）

相关测试

购买链接

VPS 常用测试脚本

1.体检脚本

Yabs 脚本

融合怪Go脚本

2.回程脚本

3.一键安装脚本

Docker

Zsh

qbittorrent

TCP内核一键调整

代理一键设置脚本

Snell 脚本

代理一键安装

4.NodeJS NVM脚本

5.解锁测试

6.综合工具箱

7.流媒体测试

8.Oracle 修改root脚本

付费观看（介于很多人留言，所以单独新增节点重新开放）