Azure Load Testing Python SDK 1.1.0b1版本发布:全面支持新一代负载测试能力
Azure Load Testing是微软Azure云平台提供的一项全托管负载测试服务,它允许开发者和测试工程师轻松创建和执行大规模负载测试,无需管理底层基础设施。通过Python SDK,开发者可以以编程方式与Azure Load Testing服务进行交互,实现测试的自动化管理和执行。
本次发布的1.1.0b1版本是一个重要的预览版更新,基于2025-05-01-preview API版本构建,引入了多项新功能和改进。值得注意的是,从这个版本开始,SDK将不再支持Python 3.7,最低要求提升至Python 3.8。
核心功能增强
1. 自动停止标准支持
新版本引入了AutoStop Criteria功能,允许用户为测试定义自动停止条件。通过Test模型中的auto_stop_criteria属性,用户可以设置各种条件来在特定情况下自动终止测试,例如当错误率超过阈值或响应时间达到不可接受的水平时。
2. RPS快速测试能力
对于需要快速验证系统性能的场景,新增了基于RPS(每秒请求数)的快速负载测试功能。开发者现在可以通过OptionalLoadTestConfig模型中的requests_per_second和max_response_time_in_ms参数直接指定期望的请求速率和最大响应时间阈值,简化了测试配置过程。
3. URL测试与JSON测试计划
为满足不同测试场景的需求,SDK现在支持URL测试类型和JSON格式的测试计划。新增的TestKind.URL枚举值和FileType.URL_TEST_CONFIG文件类型让开发者能够更灵活地定义测试行为。
4. Locust测试框架集成
对于习惯使用Locust框架的用户,新版本增加了原生支持。通过TestKind.Locust枚举值,开发者可以直接使用Locust脚本来定义负载测试场景,充分利用Locust的灵活性和易用性。
高级功能与架构改进
1. 多区域负载测试
现代分布式系统常常部署在多个区域以实现高可用性和低延迟。新版本通过LoadTestConfiguration模型中的regional_load_test_config属性支持多区域负载测试配置,允许开发者指定不同区域的负载分布比例,更真实地模拟全球用户访问模式。
2. 私有测试网络增强
对于安全性要求高的场景,新增了public_ip_disabled属性来禁用公共IP部署。这意味着负载测试生成器可以完全在私有网络中运行,不与公共互联网交互,满足严格的安全合规要求。
3. ZIP压缩包支持
为简化测试资源管理,现在支持直接上传ZIP格式的测试资源包。通过FileType.ZIPPED_ARTIFACTS枚举值,开发者可以将多个测试文件打包上传,减少上传操作次数并保持文件组织结构。
测试配置管理革新
1. 测试配置文件管理
新版本引入了完整的测试配置文件(Test Profile)管理能力。通过LoadTestAdministrationClient提供的方法集,开发者可以:
- 创建或更新测试配置(
create_or_update_test_profile) - 获取特定配置详情(
get_test_profile) - 删除不再需要的配置(
delete_test_profile) - 列出所有可用配置(
list_test_profiles)
2. 测试配置运行控制
配合测试配置文件,SDK还提供了测试配置运行(Test Profile Run)的管理接口。通过LoadTestRunClient中的方法,开发者能够:
- 启动测试配置运行(
begin_test_profile_run) - 获取运行状态和结果(
get_test_profile_run) - 清理完成的运行(
delete_test_profile_run) - 查看历史运行记录(
list_test_profile_runs)
升级建议与注意事项
对于现有用户,升级到1.1.0b1版本需要注意以下几点:
- Python版本要求已提升至3.8+,升级前请确保环境兼容
- 由于是预览版API,部分功能可能在正式版发布前会有调整
- 新引入的测试配置管理功能提供了更结构化的测试定义方式,建议逐步迁移到新模型
- 多区域测试功能需要相应的网络配置支持,使用时需确保测试环境准备充分
Azure Load Testing Python SDK的这次更新显著扩展了负载测试的能力边界,为云原生应用的性能验证提供了更强大、更灵活的工具集。无论是简单的快速验证还是复杂的多区域场景模拟,开发者现在都能找到合适的API来实现自动化测试流程。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00