Wazuh 4.12.0 RC1版本性能测试分析报告
2025-05-18 15:38:59作者:丁柯新Fawn
测试环境概述
本次测试针对Wazuh安全监控平台的4.12.0 RC1版本进行了全面的性能评估。测试环境包括一个管理节点和多个不同类型的代理节点(CentOS、Ubuntu、Windows),旨在验证系统在高负载情况下的稳定性和资源消耗情况。
核心组件性能表现
管理节点性能特征
管理节点中的wazuh-remoted组件显示出明显的资源消耗增长:
- 内存使用量(PSS)增长约243%
- 常驻内存(RSS)增长约158%
- 独占内存(USS)增长约285%
- 磁盘I/O活动显著增加
这种异常增长表明在新版本中,远程通信组件可能存在内存管理或数据处理效率方面的问题,需要开发团队重点关注。
代理节点性能差异
不同类型的代理节点表现出不同的性能特征:
CentOS代理:
- wazuh-modulesd组件内存使用量(PSS)增加42%
- wazuh-agentd组件内存使用量(PSS)减少25%
Ubuntu代理: 性能指标相对稳定,无明显异常
Windows代理:
- 内存使用更加稳定
- 资源释放阶段表现良好
日志分析发现
测试过程中发现了以下几类日志信息:
- 索引器连接警告:
- 密钥库中未找到用户名和密码
- 状态索引初始化失败
- 代理注册错误:
- 多个代理节点无法连接到注册服务
这些日志信息虽然大多属于已知问题,但仍建议在正式版本发布前进行修复。
性能优化建议
基于测试结果,我们提出以下优化建议:
- 对wazuh-remoted组件进行深入分析:
- 检查内存分配机制
- 优化数据处理流程
- 评估磁盘I/O操作频率
- 针对不同操作系统代理的性能差异:
- 分析CentOS代理内存使用变化原因
- 评估模块加载策略
- 优化资源调度算法
- 日志系统改进:
- 消除已知的警告信息
- 完善错误处理机制
- 增强日志信息的可读性
版本发布评估
虽然测试中发现了一些性能问题,但大多数代理节点表现稳定。建议开发团队:
- 优先解决wazuh-remoted组件的内存问题
- 验证CentOS代理性能变化的根本原因
- 在修复关键问题后,可考虑推进正式版本发布
本次测试为4.12.0版本的最终质量把关提供了重要依据,有助于确保正式版本的稳定性和可靠性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137