Posts

LibreQoS proporciona regulación de calidad de experiencia (QoE) y análisis para los usuarios, pero ha tenido un problema importante durante mucho tiempo. Desde la versión 1.4 de LibreQoS (lanzada en noviembre de 2023), recargar usuarios y el árbol de modelado podía detener el “pipeline” de procesamiento, causando ráfagas de pérdida de paquetes. Uno de mis colegas incluso lo llamó “olas aleatorias de desastre” — un repentino brote de problemas en toda la red.

In this (long) article, I’m going to walk through the problem and the multi-year process of tackling it.

One thing we’ve heard from people is that Insight looks great, but they ask, “How do I use this thing?” and, more importantly, “How does this help me?” We use Insight daily; it’s become our one-stop shop for finding network issues and understanding what’s going on. However, we’re all developers and have decades of experience as internet service providers. So we set out to demystify the experience.

Una de las cosas que hemos escuchado de nuestra comunidad es que Insight se ve genial, pero preguntan: “¿Cómo uso esto?” y, más importante aún, “¿Cómo me ayuda esto?”. Nosotros usamos Insight a diario; se ha convertido en nuestra herramienta principal para encontrar problemas de red y entender qué está ocurriendo. Sin embargo, todos somos desarrolladores y tenemos décadas de experiencia como proveedores de internet. Así que nos propusimos a desmitificar la experiencia.

Hemos estado trabajando en algo especial para LibreQoS. Los mapas de calor de Insight son populares, pero los comentarios de la comunidad han indicado que a veces estos mapas no son muy claros, y aún requieren un esfuerzo considerable para identificar problemas.

A huge thank you to NLnet foundation for sponsoring this development.

We just launched version 0 (Alpha) of the Insight API. LibreQoS shapers have an API, too — and that’ll be the topic of future posts. This one is all about the Insight API.