Прокси группа Smart

Тип прокси группы Smart использует адаптивный выбор узлов на основе весов. Вместо простого round-robin или ручной сортировки она непрерывно отслеживает реальную производительность каждого узла — задержку, процент успешных подключений, объём трафика — и автоматически направляет соединения к наилучшему доступному узлу.

Конфигурация

# Опционально: глобальные настройки LightGBM (на верхнем уровне конфига)
lgbm-auto-update: true
lgbm-update-interval: 72
lgbm-url: "https://github.com/vernesong/mihomo/releases/download/LightGBM-Model/Model.bin"

proxy-groups:
  - name: Smart Group
    type: smart
    proxies:
      - Proxy A
      - Proxy B
      - Proxy C
    policy-priority: "Premium:0.9;SG:1.3"
    uselightgbm: false
    collectdata: false
    sample-rate: 1
    prefer-asn: true

Параметры

Параметры группы

Параметр	Тип	По умолчанию	Описание
`type`	`string`	—	Должно быть `smart`
`policy-priority`	`string`	`""`	Корректировка приоритетов узлов по regex-шаблонам
`uselightgbm`	`bool`	`false`	Включить предсказание весов через ML-модель LightGBM
`collectdata`	`bool`	`false`	Собирать обучающие данные в CSV для кастомной модели
`sample-rate`	`float`	`1`	Частота сбора данных, диапазон `0`–`1` (1 = 100%)
`prefer-asn`	`bool`	`false`	Приоритизировать поиск по ASN при выборе узла
`smart-collector-size`	`int`	`100`	Максимальный размер файла сбора данных в МБ

Глобальные параметры LightGBM (верхний уровень)

Параметр	Тип	По умолчанию	Описание
`lgbm-auto-update`	`bool`	`false`	Автоматически обновлять модель LightGBM
`lgbm-update-interval`	`int`	`72`	Интервал обновления модели в часах
`lgbm-url`	`string`	—	URL для загрузки файла `Model.bin`

`policy-priority`

Корректирует вес узлов, чьи имена соответствуют regex-шаблону. Значения меньше 1 снижают приоритет, больше 1 — повышают.

policy-priority: "Premium:0.9;SG:1.3"

В этом примере узлы, соответствующие Premium, получают множитель 0.9 (ниже приоритет), а узлы SG — множитель 1.3 (выше приоритет). Несколько правил разделяются символом ;.

Принцип работы

Расчёт весов

Группа непрерывно оценивает каждый узел по пяти факторам:

Процент успешных подключений — соотношение успехов и неудач; недавние ошибки имеют больший вес.
Производительность подключений — время установки соединения и RTT.
Статистика использования — объём загрузки/выгрузки и продолжительность сессий.
Затухание по времени — веса снижаются для узлов, которые давно не использовались.
Тип соединения — отдельные счётчики для UDP и TCP.

Все метрики нормализуются в базовый вес, затем корректируются правилами policy-priority и ASN-специфичными таблицами. Обновление весов происходит через взвешенное усреднение. Если качество узла деградирует более чем на 30%, его кеш-запись сбрасывается.

Выбор узла

Выбор происходит в следующем порядке приоритетов:

История по доменам — если домен назначения уже встречался, предпочитается узел с наилучшей историей для этого домена.
История по ASN — если истории по домену нет, используется прошлая производительность для автономной системы (AS) назначения.
Предвычисленный кеш — горячие домены заранее оцениваются в памяти (LRU) и на диске для быстрого доступа.
Round-robin запасной — используется при недостатке исторических данных; случайное исследование предотвращает локальные оптимумы.

Исторические данные хранятся 14 дней. Устаревшие записи удаляются автоматически.

Обработка сбоев

При превышении порога отказов вес узла штрафуется. Восстановление происходит постепенно — веса частично возвращаются через 5, 10, 15 и 30 минут, что предотвращает постоянную блокировку узла из-за временного сбоя.

Машинное обучение (LightGBM)

При uselightgbm: true группа использует предобученную модель LightGBM для предсказания весов узлов вместо правилового алгоритма.

Расположение файла модели:

~/.config/mihomo/Model.bin

Сбор обучающих данных

Включите collectdata: true, чтобы записывать метрики подключений в ~/smart_weight_data.csv.

Используйте sample-rate для снижения нагрузки — например, sample-rate: 0.1 записывает 10% подключений.

Собранный CSV можно использовать для обучения кастомной модели с помощью LightGBM 3.3.5.