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。
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 StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03