Artillery性能测试工具2.0.22版本发布:全面支持TypeScript脚本编写
Artillery是一款现代化的开源性能测试工具,它支持HTTP、WebSocket、Socket.io等多种协议的性能测试。作为一个轻量级但功能强大的工具,Artillery特别适合开发人员和测试工程师在CI/CD流程中进行自动化性能测试。最新发布的2.0.22版本带来了多项重要更新,特别是对TypeScript的原生支持,使得编写和维护测试脚本变得更加便捷。
TypeScript支持:提升测试脚本开发体验
在2.0.22版本中,Artillery正式加入了对TypeScript脚本编写的支持。这意味着开发者现在可以使用TypeScript来编写性能测试脚本,享受静态类型检查带来的诸多优势:
- 类型安全:TypeScript的静态类型系统可以在编译阶段就发现潜在的类型错误,避免运行时出现问题。
- 更好的IDE支持:现代IDE能够提供更智能的代码补全、接口提示和重构支持。
- 更易维护的代码:类型注解可以作为代码文档,使测试脚本更易于理解和维护。
Artillery的TypeScript支持非常直观,开发者只需按照原有的YAML/JSON测试定义结构,使用TypeScript的接口和类型来编写即可。这种支持使得在大型项目中维护复杂的性能测试套件变得更加容易。
架构优化与功能调整
2.0.22版本对Artillery的架构进行了多项优化:
-
移除了
report命令:考虑到现代监控体系的发展,Artillery团队决定移除内置的报告功能,建议用户使用Artillery Cloud服务或通过OpenTelemetry集成将指标数据发送到外部监控系统。 -
Docker镜像改进:
- 现在包含了Chromium浏览器,为Playwright测试提供了开箱即用的支持
- 基础镜像从Alpine切换到了Debian,提高了兼容性和稳定性
-
Playwright引擎升级:集成了Playwright 1.49.1版本,带来了最新的浏览器自动化功能和性能改进。
重要问题修复
本次版本修复了几个关键问题:
-
环境变量处理:修复了
config.target无法正确读取远程环境变量值的问题,使得在分布式环境中配置目标地址更加灵活。 -
AWS Fargate集成:优化了在AWS Fargate上运行时的任务调度逻辑,解决了在某些情况下由于Fargate容量不足导致的任务超额启动问题。
-
Playwright追踪稳定性:改进了Playwright追踪功能的错误处理机制,确保在测试结束时能够可靠地停止追踪过程。
使用建议
对于新用户,建议使用Node.js v22.13.0(LTS版)作为运行环境,以获得最佳兼容性和性能。对于已经在使用Artillery的团队,升级到2.0.22版本可以享受到更稳定的测试执行体验和更丰富的脚本编写选项。
TypeScript支持的加入特别适合那些已经在使用TypeScript进行开发的项目,它使得性能测试能够更好地融入现有的开发工作流,实现从单元测试到性能测试的一致编码体验。
随着现代应用架构的复杂化,Artillery持续演进其功能集,为开发团队提供简单而强大的性能测试解决方案。2.0.22版本的发布标志着Artillery在开发者体验方面的又一次重大进步。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00