OHA v1.8.0 版本发布:支持mTLS与转发头等新特性
OHA 是一个用 Rust 编写的现代化 HTTP 负载测试工具,它类似于 ab 和 wrk,但提供了更丰富的功能和更直观的实时统计界面。OHA 的设计目标是简单易用,同时又不失强大性能,特别适合开发者和运维人员快速进行 Web 服务的性能测试和基准测试。
主要更新内容
1. 预加载 TLS 配置优化
在 v1.8.0 版本中,OHA 对 TLS 配置的处理进行了优化,现在会预加载 TLS 配置而不是在每次请求时重新加载。这一改进显著减少了建立 HTTPS 连接时的开销,特别是在高并发测试场景下,能够提升整体的测试吞吐量。
2. 支持双向 TLS 认证(mTLS)
双向 TLS 认证(mTLS)是一种更安全的通信方式,它不仅要求服务器向客户端证明其身份,还要求客户端向服务器证明其身份。v1.8.0 版本新增了对 mTLS 的支持,使得 OHA 能够测试那些要求客户端证书的服务。
这一特性对于测试银行、医疗等对安全性要求极高的 API 服务特别有用。用户现在可以通过配置客户端证书和私钥来进行 mTLS 认证的负载测试。
3. 转发头支持
新版本增加了对转发头的支持,用户可以在请求中添加特定的转发头信息。这在测试需要通过转发服务器访问的服务时非常有用,或者当后端服务需要特定的转发头信息来进行处理时。
4. 连接目标随机选择优化
当使用 --connect-to 参数指定多个匹配的目标时,v1.8.0 版本会随机选择连接目标,而不是固定顺序。这一改进使得负载能够更均匀地分布到多个目标上,避免了可能出现的单点过载问题。
性能优化
除了功能增强外,v1.8.0 版本还包含了一些性能优化:
-
提供了 PGO(Profile-Guided Optimization)优化的构建版本,这些版本通过收集运行时性能数据来指导编译器优化,能够提供更好的性能表现。
-
针对不同平台提供了专门的构建版本,包括 Linux amd64/arm64、macOS amd64/arm64 和 Windows amd64,确保在各个平台上都能获得最佳性能。
使用建议
对于需要测试 HTTPS 服务的用户,建议使用预加载 TLS 配置的特性,这可以显著提升测试性能。如果测试的是要求高安全性的服务,可以考虑使用新增的 mTLS 支持功能。
对于需要测试转发环境或特定头要求的服务,新的转发头支持功能将非常有用。而连接目标的随机选择特性则适合测试负载均衡场景。
总结
OHA v1.8.0 版本通过新增 mTLS 支持、转发头功能和连接目标随机选择等特性,进一步增强了其在复杂测试场景下的适用性。同时,通过 TLS 配置预加载和 PGO 优化等技术,提升了工具的性能表现。这些改进使得 OHA 成为一个更加强大和灵活的 HTTP 负载测试工具,能够满足从简单到复杂的各种测试需求。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00