会议室Wi-Fi一到下午就卡一张Wi-Fi热力图让问题无处可藏【免费下载链接】wifi-heat-mapperwhm also known as wifi-heat-mapper is a Python library for benchmarking Wi-Fi networks and gather useful metrics that can be converted into meaningful easy-to-understand heatmaps.项目地址: https://gitcode.com/gh_mirrors/wi/wifi-heat-mapper会议室视频卡成PPT、工位角落网页打不开、领导工位信号满格却连不上打印机——这类玄学级的Wi-Fi问题正是 wifi-heat-mapper江湖人称 whm这款开源网络性能测绘工具要解决的它把离散的性能指标变成一张直观的Wi-Fi热力图让无线覆盖盲区无处遁形。接下来我们跟着一条完整的排查流水线走一遍从环境准备到出图分析最后再聊聊怎么把它做成持续监控。为什么凭感觉调Wi-Fi永远调不好离散点测试的三个典型痛点传统的排查方式通常是拿手机站在几个关键位置跑一遍测速然后对着表格发愣客厅 -52dBm、书房 -68dBm、阳台 -83dBm……数字倒是有了但你敢据此回答路由器该往哪挪半米吗大概率不敢。问题就出在三个地方数据没有空间感测的是点而Wi-Fi覆盖是面一张表根本看不出相邻位置间的衰减趋势场景不还原办公室的墙体、金属柜、微波炉都在干扰信号静态测几个点无法还原真实环境结论靠脑补十几个数字最后只能靠经验拍脑袋判断错了也无从验证。你会发现痛点的本质不是缺数据而是缺一张把数据放回空间里的图。你要的其实不是更多数据而是空间答案whm 的思路很简单你拿着笔记本在房间里走一圈在每个位置采集指标工具再把这些离散采样点摊到整张楼层平面图上生成连续的热力图。信号强弱、吞吐高低全部变成颜色梯度。哪里是死角、哪里是热区扫一眼就知道——这就是它和其他测速工具最大的区别。开工前的十分钟准备需要的东西比想象中少先列一份装备清单都是常见货一台跑在局域网内的 iperf3 服务器强烈建议接有线后面会解释为什么一块正常工作的无线网卡比如 wlan0Python 3.10 环境pip install whm即可装齐 scipy、matplotlib、Pillow、FreeSimpleGUI 等依赖可选Ookla speedtest CLI 或 librespeed-cli作为网速测试的后端。有读者会问测吞吐量为什么非要一台服务器因为快不快得有个参照物。iperf3 服务器就是那把度量标尺没有它采样点拿到的只是无源之水。用 whm bootstrap 生成配置whm 的配置不需要手写跑一遍交互式引导就能搞定whm bootstrap它会自动检测你装了哪些测试后端、当前连着哪个 SSID然后让你勾选要生成哪些热力图结束后在当前目录产出一个 config.json。一份可以直接用的配置长什么样打开看会发现结构很清晰核心字段就这几个{ configuration: { graphs: [ signal_strength, signal_quality, download_bits_tcp, upload_bits_tcp, download_bits_udp, upload_bits_udp, speedtest_download_bandwidth ], backends: [iperf3, librespeed-cli], target_interface: wlan0, target_ip: 192.168.1.100, ssid: Enterprise-WiFi, speedtest: 2, benchmark_iterations: 3 }, results: {} }graphs决定最终产出哪些热力图benchmark_iterations是每个点的重复测试次数results会随着测绘逐步累积数据。这套结构在后面续测和批量出图时都能直接复用别删。从打点到出图核心工作流怎么走在平面图上标记位置 万事俱备启动测绘whm benchmark -m examples/floor-plan-white.png -s 192.168.1.100 -c config.json窗口会加载你的楼层平面图接下来就是真人实测环节走到一个位置在图上对应处左键单击打点出现带蓝色描边的圆点右键该点选择Benchmark开始采集如果这里是AP位置可以先用 Mark as Station 把它标记为基站橙色显示等进度条跑完圆点从灰色变成浅蓝数据自动落盘换下一个位置重复至少打 4 个点才能出图越多越准。整个过程就像在平面图上种数据点。测完点一下 Plot或者用whm plot -m 平面图 -c config.json -l 100 -d 300 -f png重新出图热力图就到手了。RBF插值在稀疏采样点之间拉一张弹性网这里藏着全工具最核心的算法——径向基函数RBF插值。你可以把它想象成在一堆固定了高度的大头针上蒙一张有弹性的布。针脚处数值精确贴合针脚之间的区域则被平滑地撑起来形成连续曲面。from scipy.interpolate import Rbf # 把 (x, y) 坐标和指标值 z 交给 RBFfunctionlinear 即线性径向基 di Rbf(processed_x, processed_y, processed_z, functionlinear) zi di(xi, yi) # 在整张平面图上逐点推算whm 在推算前还有两个小动作一是把平面图四角补上最小值点防止边缘被外推成夸张的极值二是把插值结果钳制回合理的 [vmin, vmax] 区间保证配色始终有物理意义。这也是你很少会看到热力图边缘出现离谱数值的原因。采样密度决定可信度RBF 再聪明也救不了稀稀拉拉的采样。实际项目中办公区建议 3~5 米一个点走廊、拐角、玻璃幕墙附近加密每个点重复测 2~3 次取稳定值。记住一句话热力图的上限由算法决定下限由你的腿决定。三种典型热力图教你读懂Wi-Fi体检报告信号强度与信号质量物理层体检信号强度dBm回答听不听得见信号质量回答听得清不清。下面这张信号强度热力图暖色代表强信号、冷色代表弱信号橙色圆点即基站位置而信号质量图往往能暴露更隐蔽的问题——比如微波炉、蓝牙设备这类干扰源会让局部质量骤降哪怕强度看着还行。把两张图叠起来对照就能区分单纯信号弱和有干扰源两种情况。TCP/UDP 吞吐量链路层实战强度好不等于体验好。TCP 吞吐量图衡量真实能跑多快适合验证 SSH、RDP 这类管理协议是否流畅UDP 吞吐量配合抖动jitter指标则能反映实时音视频、监控数据流的稳定性。两套图并排看瓶颈到底是带宽不足还是链路抖动一目了然。网速测试应用层体验如果装了 speedtest 后端Ookla 或 Librespeed还能生成应用层的下载带宽热力图直接对应普通用户的体感三个后端的定位差异可以这样记后端用途特点iperf3局域网TCP/UDP吞吐量自建服务器指标最细可测抖动Ookla speedtest互联网网速商业级精度需装官方CLILibrespeed互联网网速开源、可私有化部署项目强烈推荐注意一点抖动、延迟这类指标用的是反向配色越冷越好带宽图则是越暖越好。看图之前先扫一眼图例别让直觉带偏结论。三个真实场景同一把工具三种玩法企业办公室把玄学变成坐标 某公司会议室频繁断流工程师架好 iperf3 服务器在整层楼打了 60 个点一次测绘就发现会议室西墙存在一条明显的信号峡谷——罪魁祸首是墙内的消防管道。调整AP波束方向后重测该区域吞吐量提升了近3倍。整个过程从碰运气变成了可复现的坐标问题。数据中心守住管理网络的底线机柜间密集的金属结构对无线极不友好。建议按每排机柜 2 个测试点的密度测绘重点盯 TCP 吞吐量和 UDP 抖动前者保证 SSH、带外管理等连接稳定后者决定监控数据流不丢包。热力图能帮你精准定位看似全覆盖、实则半残废的机柜角落比逐台设备ping省力得多。智能家居多楼层的Mesh规划对多层住宅逐层测绘再叠加分析先看单层热力图找覆盖死角再对比楼层间的信号衰减判断Mesh节点该放哪、要不要上下层错位部署。有人会说三层楼岂不是要测三遍没错但每遍只要十几分钟比起买回两台Mesh装上才发现没用成本低到可以忽略。从手动测绘到持续监控让热力图活起来网格化自动采样写一个简单的巡检脚本手动打点适合一次性诊断长期巡检可以交给脚本。whm 的核心模块都提供了 Python API你可以按网格遍历坐标、逐点采集并落盘from wifi_heat_mapper.misc import run_iperf import time # 按5米网格规划采样路径逐点采集TCP下载吞吐量 for x in range(0, floor_width, 5): for y in range(0, floor_height, 5): tcp run_iperf(server_ip, 5201, bind_ip, downloadTrue, protocoltcp) results[fpoint_{x}_{y}] {position: {x: x, y: y}, results: tcp} time.sleep(2) # 给无线接口留一点喘息时间对接Prometheus与Grafana再进一步把测绘结果改造成指标暴露给监控栈用 Prometheus 定时拉取各采样点的信号强度与吞吐量比如每5分钟一次在 Grafana 上渲染热力图面板和时序趋势图。这样你就能观察到每天下午3点会议室吞吐量规律性塌陷这类周期性干扰而不是等用户投诉了才后知后觉。常见坑与规避把实战中容易踩的坑列成清单帮你省下几小时调试时间采样点少于4个whm 会直接拒绝出图。别偷懒面积越大点越密把 iperf3 服务器跑在无线客户端上服务器端务必接有线否则测出来的是两跳无线的叠加结果毫无参考价值结果文件随手删打点数据默认存在 config.json 里出图后别急着清理想续测重跑同一条 benchmark 命令就能恢复现场漏装 Tkinter它通常不随 Python 自带装好再跑 bootstrap否则会卡在环境检测环节不看图例就下结论抖动、延迟这类 reverse 配色指标是越冷越好方向搞反会得出完全相反的优化方案。下一步行动回顾要点然后动手要点回顾RBF插值把离散采样点变成连续Wi-Fi热力图采样密度直接决定可信度信号强度/质量、TCP/UDP吞吐量、网速测试三类指标互补别只看一张图iperf3 负责局域网吞吐度量Ookla/Librespeed 负责互联网体验按需选择企业办公、数据中心、多楼层住宅都能用关键是采样密度和指标选择要贴合场景手动测绘之上还能用脚本配合 Prometheus Grafana 升级成持续监控。动手清单pip install whm装好环境准备一台有线连接的 iperf3 服务器跑whm bootstrap生成配置勾选你关心的指标找一张清晰、带比例的平面图按 3~5 米网格打点采集出图、分析、调整AP位置重测对比把调优前/后两张热力图并排存档。更深入的内容可以从这些入口继续挖掘完整的安装与命令文档README.md带真实数据与结果图的示例配置examples/SAMPLE.md核心源码插值、指标采集、配置生成wifi_heat_mapper/本地开发安装git clone https://gitcode.com/gh_mirrors/wi/wifi-heat-mapper网络优化的第一步永远是看见问题。一张Wi-Fi热力图就是让无线覆盖问题现形的那个放大镜。【免费下载链接】wifi-heat-mapperwhm also known as wifi-heat-mapper is a Python library for benchmarking Wi-Fi networks and gather useful metrics that can be converted into meaningful easy-to-understand heatmaps.项目地址: https://gitcode.com/gh_mirrors/wi/wifi-heat-mapper创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考