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。
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-1.5暂无简介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
Spark-Formalizer-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
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