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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~057CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









