暂无图片
暂无图片
暂无图片
暂无图片
暂无图片
首页 / $100 是怎么花的：用 GreptimeDB 实时跟踪 Claude Code 使用情况

$100 是怎么花的：用 GreptimeDB 实时跟踪 Claude Code 使用情况

GreptimeDB 2025-07-17
211

p.s. 本篇文章来自 GreptimeDB 用户 xtang 的投稿，分享了如何利用 GreptimeDB 强大的 OpenTelemetry（OTLP）原生支持和 Dashboard as Code 能力，采集并可视化 Claude Code 的各项使用数据，实现数据驱动的自我编程效率提升和成本控制。


👏 欢迎各位开源用户积极分享自己的使用案例，一起分享，共同成长。

省流版：GreptimeDB
 支持 OLTP
 和 Perses
。Claude Code
 支持 OpenTelemetry 指标发送。那就用 GreptimeDB
 来监控一下 Claude Code
 的工作效率吧。

最近为了不被时代淘汰，高价订阅了 Claude Code
 Max 版本，不管是不是心理作用，效果的确比 $20 的 Cursor 好用。但毕竟一个月 100 刀，我还是想知道一下它到底提供了多少帮助？以及一个很现实的问题——如果按 API 计费，花费了多少钱，是不是比订阅更合适？

其实，有一个很棒的命令行工具 ccusage
，可以快速提供使用情况的概览，非常适合进行快速检查，刚订阅那几天，Claude Code 牛马一会，我就去看看 ccusage，看看我用的效率怎么用，我特别喜欢 Cost 那列，因为我是订阅制，而如果按 API 计费，花费的钱已经远远超过了每个月的订阅费，一下子让我觉得自己反而赚到了，相信用过的朋友都能懂:)。随后发现 Claude Code
 居然支持 OTLP，这个好啊，就不用一直去敲指令了，弄个仪表盘多好，于是周末就花了点时间折腾。

数据库选择：为什么是 GreptimeDB？

首先，需要选择一个数据库来存储这些宝贵的遥测数据。脑子里第一个选择就是：GreptimeDB [1]。利益相关，毕竟是之前的老东家，而且从第一性原来出发，它也完全符合这个项目的需求：

  • 云端与本地随意选择：GreptimeDB
     同时提供 Serverless 云版本和开源的本地版本。这是一个巨大的优势。我可以使用 GreptimeDB Cloud
     快速开始进行初步测试和原型设计。如果未来我更关注数据隐私或需要更精细的控制，可以轻松迁移到自托管的实例上；
  • OpenTelemetry 完美支持：GreptimeDB
     与 OpenTelemetry
     的集成非常顺畅，填几个参数就完事了。可以看官方文档 OTLP 文档 [2]；
  • 通过 Perses 实现“仪表盘即代码”：GreptimeDB
     使用 Perses
     作为其仪表盘解决方案。无需在图形界面中繁琐地点击来构建和调整图表，而是可以在一个 YAML
     文件中定义整个仪表盘。这使其易于进行版本控制、复用和分享。最主要的是，可以让 Claude Code 来写仪表盘；
  • 几乎免费：GreptimeDB
     单机版开源的，可以自己部署；Cloud 版本的 Free 档对于收集 CC 这种个人项目来讲，也完全够用。

关注的指标

选定数据库后，初步定了几个指标来跟踪：

  1. 近期成本： 最近一天、一周或一个月的花费是多少？订阅制其实费用是固定的，从这能看出来实际“赚”了多少，也是我使劲用 CC 的动力之一；
  2. 近期 Token 使用量： 这是衡量我整体互动量的一个很好的指标。我特别想了解输入和输出 Token 之间的分布；
  3. 近期代码行数：Claude
     帮助我生成或修改了多少行代码？这可以作为生产力的直接度量；
  4. 活跃会话数： 一个简单的指标，用于观察我在一段时间内发起的独立编码会话数量；
  5. 指标细分： 我希望对数据进行多维度分析以获得更深入的洞察。Claude Code 官方监控文档 [3] 列出了一些非常有价值的属性。我尤其对按 model
    （模型）、action
    （操作，如 write
    、edit
    ）和 token_type
    进行的细分感兴趣。

部署流程：出乎意料的简单

收集数据的配置过程基本上没花时间，非常直白。

1. 数据收集器：GreptimeDB Cloud

如前所述，从 GreptimeDB Cloud
 [4] 开始以接收数据流。整个设置过程非常轻松。只需创建一个新服务，系统便会提供 OTLP
 端点和必要的凭据。

（图 1：GreptimeCloud OTLP）

2. 配置 Claude Code

接下来，需要配置 Claude Code
 将其遥测数据发送到指定位置。根据官方指南 [5]，这只需在 Claude Code
 的配置文件（例如 ~/.claude/settings.json
）中添加几个变量即可：

    "CLAUDE_CODE_ENABLE_TELEMETRY": "1",
    "OTEL_METRICS_EXPORTER": "otlp",
    "OTEL_LOGS_EXPORTER": "otlp",
    "OTEL_EXPORTER_OTLP_PROTOCOL": "http/protobuf",
    "OTEL_EXPORTER_OTLP_ENDPOINT": "<your-greptimedb-otlp-endpoint>",
    "OTEL_EXPORTER_OTLP_HEADERS": "Authorization=Basic <your-base64-encoded-credentials>"
    "OTEL_METRIC_EXPORT_INTERVAL": "10000",
    "OTEL_LOGS_EXPORT_INTERVAL": "5000"

仅此而已。Claude Code
 随即开始向 GreptimeDB
 实例发送指标。

（图 2：指标）

3. 构建仪表盘：一点小小的帮助

现在是有趣的部分：数据可视化。由于 GreptimeDB
 使用 Perses
，可以通过 YAML
 文件进行配置。为了快速起步，我做了一件有点“元（meta）”的事情：我请求 Claude Code
 为我想要追踪的指标生成一个基础的 Perses
 仪表盘配置。生成的配置虽然不是 one-shot, 但基本提供了一个非常好用的起点，节省了大量时间。

不过，过程中也遇到了一个小问题。Claude Code
 的指标名称中包含 "Count"
，例如 claude.code.lines_of_code.count
。Claude Code
 很自然地认为这些是 Counter
（计数器）类型的指标。在 Prometheus 查询语言（PromQL）中，通常会使用 increase()
 函数来计算计数器的增长率。

但关键在于：Claude Code
 发送的指标实际上是增量（deltas），而非绝对递增的计数器。所以要用 sum_over_time()
 这样的函数来正确地聚合这些增量值，而不是 increase()
。

因此，一个最初可能错误的 Token 使用量查询：

# 错误用法
increase(claude_code_lines_of_code_count[${__rate_interval}])

需要被调整为：

# 正确的增量求和方法
sum_over_time(claude_code_lines_of_code_count[${__rate_interval}])

其实修改这个配置花了点时间，经过进一步的调整和优化 PromQL 查询后，得到了一个可用的仪表盘。

最终成果

经过全部的设置和完善，这是目前我用的仪表盘。

（图 3：仪表盘的一部分）

（图 4：仪表盘的一部分）

（图 5：仪表盘的一部分）

（图 6：仪表盘的一部分）

（图 7：仪表盘的一部分）

由于这完全是Dashboard as Code
，所以分享也比较简单。可以在 Dashboard 配置示例 [6] 找到这个仪表盘的完整 Perses
 配置文件。

总结

过程中我也发现几个有趣的事情：

  • OpenTelemetry
     数据向我揭示了一个 ccusage
     无法展示的细节：Claude Code
     在底层会使用 Haiku
     模型。通过按模型分解 Token 使用量，发现它会智能地将较轻量、复杂度较低的任务分配给 Haiku；

  • 现在会话指标提供了 session_id
    ，这对于统计活跃会话非常有用。但是，在本地我可以看到会话名称（可以和项目对齐）。如果能将这个会话名称作为标签（label）添加到遥测数据中，看上去就更有意义了，现在就是一堆 Base64 码；

  • Claude Code 官方其实没有说过 $100 的用量上限是多少，我其实挺好奇的。巧的是，有一次 Vibe Coding 了连续大概两个小时，突然被限流了，连 Sonnet 4
     的模型也用不了，赶紧看一眼 Dashboard，消耗了巨大的 600 万 Token，大约 500 个输入 Token，仅 5 万个输出 Token，其余全部来自缓存，基本都是 Opus
     模型。估计这个就是 5 小时内的使用上限了。

就这样，谢谢阅读，祝大家 Happy Coding! Happy Hacking!

Reference

[1]https://greptime.com/

[2]https://docs.greptime.com/greptimecloud/integrations/otlp

[3]https://docs.anthropic.com/en/docs/claude-code/monitoring-usage#metrics

[4]https://console.greptime.cloud/

[5]https://docs.anthropic.com/en/docs/claude-code/monitoring-usage

[6]https://gist.github.com/xtang/9005e501c5df9425587d3562534d047c

关于 Greptime

Greptime 格睿科技专注于打造新一代可观测数据库，服务开发者与企业用户，覆盖从从边缘设备到云端企业级部署的多样化需求。

  • GreptimeDB 开源版：开源、云原生，统一处理指标、日志和追踪数据，适合中小规模 IoT，个人项目与可观测性场景；

  • GreptimeDB 企业版：面向关键业务，提供更高性能、高安全性、高可用性和智能化运维服务；

  • GreptimeCloud 云服务：全托管云服务，零运维体验“企业级”可观测数据库，弹性扩展，按需付费。

欢迎加入开源社区参与贡献与交流！推荐从带有 good first issue
 标签的任务入手，一起共建可观测未来。


⭐ Star us on GitHub：https://github.com/GreptimeTeam/greptimedb

📚 官网：https://greptime.cn/

📖 文档：https://docs.greptime.cn/

🌍 Twitter：https://twitter.com/Greptime

💬 Slack：https://greptime.com/slack

💼 LinkedIn：https://www.linkedin.com/company/greptime/


往期精彩文章：

点击「阅读原文」，立即体验 GreptimeDB！

greptimedb
文章转载自GreptimeDB，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

评论