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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0138
let_datasetLET数据集 基于全尺寸人形机器人 Kuavo 4 Pro 采集,涵盖多场景、多类型操作的真实世界多任务数据。面向机器人操作、移动与交互任务,支持真实环境下的可扩展机器人学习00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
AgentCPM-ReportAgentCPM-Report是由THUNLP、中国人民大学RUCBM和ModelBest联合开发的开源大语言模型智能体。它基于MiniCPM4.1 80亿参数基座模型构建,接收用户指令作为输入,可自主生成长篇报告。Python00