使用指南:Facebook的增强流量控制(Augmented Traffic Control)
一、项目介绍
增强流量控制(Augmented Traffic Control,简称ATC) 是Facebook开发的一款工具,用于模拟各种网络条件。该工具允许开发者控制设备到互联网的连接状态,从而能够在不同的网络环境下测试应用程序,包括高速、移动网络乃至网络条件严重受限的情况。ATC能够调控的网络方面包括带宽、延迟、丢包率、数据包损坏及数据包顺序等。它需部署在能够路由并直接看到真实IP地址的设备上(如网络网关),以影响通过它的所有设备的流量。
ATC由多个组件构成,包括atcd守护进程、基于Django的RESTful接口django-atc-api、简单Web UIdjango-atc-demo-ui以及一个用于存储调节配置的Django应用django-atc-profile-storage,便于重用设置而无需重复输入。
二、项目快速启动
环境要求
- Python 2.7(请注意,这个项目是基于较旧的Python版本)
- Django 1.10
- 其他依赖项通过pip自动处理
安装步骤
-
安装ATC组件
pip install atc_thrift atcd django-atc-api django-atc-demo-ui django-atc-profile-storage django-admin startproject atc_project cd atc_project -
配置Django项目 修改
settings.py,添加ATC相关的应用程序到INSTALLED_APPS。INSTALLED_APPS += ( 'rest_framework', 'atc_api', 'bootstrap_themes', 'django_static_jquery', 'atc_demo_ui', 'atc_profile_storage', ) -
配置URL路由 在
urls.py中包含ATC的应用路由。from django.urls import include, path ... urlpatterns = [ path('api/v1/', include('atc_api.urls')), path('atc_demo_ui/', include('atc_demo_ui.urls')), path('api/v1/profiles/', include('atc_profile_storage.urls')), path('', RedirectView.as_view(url='atc_demo_ui/', permanent=False)), ] -
运行数据库迁移
python manage.py migrate -
启动服务 分别启动
atcd守护进程(需要sudo权限)和Django服务器。sudo atcd python manage.py runserver 0.0.0.0:8000
现在,你应该可以通过访问http://localhost:8000来查看和管理网络模拟界面了。
三、应用案例和最佳实践
ATC特别适用于应用程序的前端开发者和性能测试工程师,他们可以利用它来测试应用程序在不同网络环境下的表现,比如:
- 测试移动应用在2G、3G、4G及Wi-Fi环境中的加载速度和响应时间。
- 模拟国际漫游时的高延迟情况,确保应用体验不受影响。
- 开发者可以创建一系列预设的网络配置文件,便于快速切换不同的测试场景,实现高效的迭代测试。
最佳实践:
- 利用预定义的网络状况档案加速测试周期。
- 开发自动化脚本与ATC的API集成,进行持续集成过程中的网络适应性测试。
- 在团队内部共享和复用网络模拟配置,提高效率。
四、典型生态项目
虽然ATC主要是独立使用的,但其设计上的模块化促进了与其他系统的集成。例如,结合CI/CD工具(如Jenkins或GitLab CI/CD)可以帮助自动化不同网络环境下的测试流程。此外,开发者社区可能会构建额外的UI界面、命令行工具或其他辅助工具,围绕ATC形成更广泛的应用生态系统,促进更复杂场景下的网络模拟需求。不过,请注意,由于该项目已被归档,可能不再活跃更新,寻找相关生态扩展时要确认兼容性和活性。
以上就是关于Augmented Traffic Control的基本使用指南,帮助你迅速开始使用这个强大的网络模拟工具。鉴于项目的归档状态,开发新功能或解决特定问题时,请考虑迁移至更新的或支持最新技术的替代方案。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0155- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112