Artillery性能测试工具v2.0.23版本深度解析
Artillery是一款现代化的开源性能测试工具,它支持HTTP、WebSocket和浏览器自动化测试。作为一个开发者友好的工具,Artillery允许用户使用简单的YAML或JavaScript/TypeScript脚本来定义复杂的负载测试场景。最新发布的v2.0.23版本带来了多项重要改进,特别是在Playwright集成和云服务支持方面有了显著提升。
Playwright集成增强
本次更新将Playwright升级到了v1.52.0版本,这为浏览器自动化测试带来了更好的稳定性和新特性支持。值得注意的是,团队针对测试失败时的追踪记录做了两项重要优化:
-
将最大并发录制数(maxConcurrentRecordings)从3增加到5,这意味着系统能够同时记录更多虚拟用户(VU)的会话,特别是在测试失败时,捕获关键信息的概率大大提高。
-
增加了追踪记录上传的超时时间,确保大型追踪记录能够完整上传至Artillery Cloud。这对于长时间运行或复杂的浏览器测试场景尤为重要,避免了因网络波动导致的关键数据丢失。
云服务支持改进
Azure ACI优化
新版本对Azure容器实例(ACI)的支持进行了多项改进:
-
认证方式标准化:现在要求通过AZURE_CLIENT_ID和AZURE_CLIENT_SECRET环境变量提供客户端凭证,这与Azure SDK的DefaultAzureCredential凭证链保持一致,提高了与Azure生态系统的兼容性。
-
增加了WORKER_WAIT_TIMEOUT_SEC环境变量支持,允许用户自定义工作节点启动超时时间,为不同规模的测试提供了更灵活的配置选项。
-
修复了单一TypeScript文件测试用例无法运行的问题,简化了测试脚本的管理和部署。
AWS Fargate扩展
AWS Fargate支持方面也有显著提升:
-
新增了对多个区域的支持,包括AWS GovCloud(us-gov-east-1和us-gov-east-2)、以色列(il-central-1)以及中国(cn-north-1和cn-northwest-1)区域,为全球用户提供了更广泛的选择。
-
同样增加了WORKER_WAIT_TIMEOUT_SEC环境变量支持,与Azure ACI保持一致的配置体验。
-
修复了--task-role-name标志无效的问题,确保了IAM角色能够正确应用于测试任务。
-
改进了大规模测试中的指标报告处理机制,减少了工作节点指标报告的延迟,使测试结果更加实时准确。
其他重要改进
-
Slack插件生成的测试摘要布局得到优化,使关键指标和信息呈现更加清晰直观。
-
修复了TypeScript测试脚本可能导致负载高于预期的问题,确保了测试结果的准确性。
-
针对TypeScript测试的整体稳定性进行了改进,解决了多个可能导致测试异常的问题。
技术价值分析
Artillery v2.0.23版本的这些改进体现了团队对云原生测试场景的持续投入。特别是对Azure和AWS云服务的深度集成优化,使得Artillery成为跨云性能测试的理想选择。Playwright的升级和追踪记录增强则进一步巩固了其在浏览器自动化测试领域的地位。
对于性能测试工程师而言,这些改进意味着更可靠的测试执行、更精确的结果收集以及更灵活的云资源配置选项。特别是新增的区域支持和认证标准化,大大降低了在不同云环境中部署测试的复杂度。
TypeScript相关修复则反映了Artillery对现代JavaScript生态的重视,确保了开发者能够使用熟悉的语言和工具链来构建复杂的性能测试场景。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00