stress-ng V0.18.12版本发布:内存压力测试工具再升级
2025-06-24 06:43:24作者:秋泉律Samson
stress-ng是一款功能强大的系统压力测试工具,专门用于对Linux系统进行各种极端条件下的压力测试。它能够模拟CPU、内存、I/O等多种系统资源的极端负载情况,帮助开发者和系统管理员发现系统潜在的性能问题和稳定性缺陷。最新发布的V0.18.12版本带来了多项重要更新和改进。
新增压力测试模块
本次更新引入了三个全新的压力测试模块,进一步扩展了工具的测试能力:
-
easy-opcode模块:这是一个专门针对处理器前端解码器和指令缓存的简单测试模块。它通过执行一系列基础指令序列来测试处理器的指令解码能力和指令缓存性能。
-
physmmap模块:这个模块实现了对物理内存映射(/dev/mem)的压力测试。它能够直接访问物理内存,测试系统在极端物理内存访问条件下的表现,对于嵌入式系统和特殊硬件环境的测试特别有价值。
-
umask模块:专注于测试umask系统调用,通过频繁修改和查询文件创建模式掩码来测试相关系统调用的性能和稳定性。
重要功能增强
测试模式优化
新版本对三种测试模式进行了全面增强:
- 激进模式(--aggressive):现在可以应用于更多测试模块,该模式会启用更极端的测试参数和策略,模拟更严苛的系统负载。
- 最小化模式(--minimize):优化了资源使用的最小化策略,适用于资源受限环境下的测试。
- 最大化模式(--maximize):扩展了资源占用的最大化策略,能够更彻底地压榨系统资源。
内存管理改进
新版本在内存管理方面有多项重要改进:
- 增加了MADV_COLLAPSE建议的使用,这可以提升大页内存的性能表现。
- 改进了内存刷新机制,特别是在激进模式下会强制刷新数据缓存,模拟更真实的极端内存压力场景。
- 物理内存映射测试模块支持对整个区域的单次映射尝试,提高了测试效率。
处理器架构支持
针对不同处理器架构的优化是本次更新的另一个重点:
- 增强了对PPC32架构的支持,包括添加了专门的指令序列。
- 改进了RISC-V架构的返回代码处理,增加了lpad指令支持。
- 为AArch64架构添加了加载预取指令(prfm)支持。
性能优化与问题修复
新版本包含了大量性能优化和问题修复:
- 修复了多个模块中的缓冲区溢出问题,提高了工具稳定性。
- 优化了排序算法测试模块的内存使用方式,尝试在大页映射内存上进行排序操作。
- 改进了TLB击落测试的激进程度,并添加了相关性能指标。
- 修复了内存对齐访问、指针运算等多个潜在问题。
- 优化了浮点运算性能,增加了禁用FP非规格化数的选项。
测试策略改进
新版本在测试策略上有显著提升:
- 增加了对测试实例数量的百分比配置支持,可以更方便地根据CPU数量设置测试规模。
- 扩展了大量测试模块的最大化/最小化参数控制,提供了更灵活的测试配置。
- 改进了内存统计功能,增加了内存缩放单位选项(--vmstat-units)。
- 增强了激进模式下的测试策略,包括更多的内存刷新、交换操作和系统调用测试。
stress-ng V0.18.12通过这些更新进一步巩固了其作为系统压力测试标杆工具的地位。无论是对于开发者调试系统级问题,还是运维人员评估系统极限性能,这个版本都提供了更全面、更可靠的测试能力。特别是新增的物理内存映射测试和指令缓存测试模块,为底层系统开发提供了宝贵的测试手段。
登录后查看全文
热门项目推荐
相关项目推荐
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。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
474
3.54 K
React Native鸿蒙化仓库
JavaScript
287
339
openEuler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。
C
224
93
Ascend Extension for PyTorch
Python
283
316
暂无简介
Dart
724
175
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
10
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
849
441
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.27 K
701
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19