Oha HTTP压测工具v1.6.0版本发布:性能优化与功能增强
Oha是一个用Rust编写的高性能HTTP负载测试工具,类似于ab和wrk,但具有更现代化的设计和更丰富的功能特性。该项目由hatoo团队维护,专注于提供简单易用但功能强大的HTTP基准测试解决方案。
核心性能优化
本次v1.6.0版本在性能方面进行了多项重要改进:
-
物理核心数优化:经过实际测试验证,使用物理核心数而非逻辑核心数作为工作线程数能够获得更好的性能表现。这一改动使得oha在相同硬件条件下能够产生更高的请求吞吐量。
-
内存分配器升级:从jemallocator迁移到tikv-jemallocator,这是专为Rust生态系统优化的内存分配器实现,能够更好地处理高并发场景下的内存分配需求,减少内存碎片和提高分配效率。
-
HTTP/2工作线程重构:对HTTP/2协议的工作线程实现进行了深度重构,优化了连接管理和请求处理流程,显著提升了HTTP/2协议下的性能表现。
-
构建配置优化:在CI构建流程中启用了优化编译配置,确保发布的二进制文件能够充分利用现代CPU的指令集和优化特性。
新功能特性
-
文件URL读取支持:新增了从文件读取URL列表的功能,用户可以通过
-f/--file参数指定包含多个URL的文件路径。这一特性特别适合需要对多个不同端点进行混合负载测试的场景。 -
性能剖析增强:改进了性能剖析服务器的实现,能够更准确地收集和分析性能数据,帮助开发者识别性能瓶颈。
技术实现细节
-
并发模型优化:通过减少不必要的线程间同步和锁竞争,提高了工作线程的执行效率。特别是在高并发场景下,这种优化能够带来明显的性能提升。
-
依赖更新:更新了多个关键依赖库版本,包括异步运行时、HTTP客户端库等,确保使用最新的性能优化和安全修复。
-
代码清理:移除了不再使用的pin-project-lite依赖,简化了项目依赖树,减少了二进制体积。
使用建议
对于希望获得最佳性能的用户,建议:
-
根据被测服务的特性选择合适的协议(HTTP/1.1或HTTP/2),新版oha对两种协议都进行了优化。
-
对于大规模测试,可以考虑使用新的文件URL功能,预先准备好测试用例文件。
-
在性能关键场景下,建议使用物理核心数作为工作线程数,这通常是性能最优的配置。
总结
Oha v1.6.0版本通过一系列底层优化和功能增强,进一步巩固了其作为高性能HTTP负载测试工具的地位。无论是对于开发人员的本地测试,还是生产环境的性能评估,这个版本都提供了更强大、更可靠的测试能力。特别值得一提的是其对现代HTTP协议的支持和优化,使其成为评估Web服务性能的理想选择。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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
HunyuanVideo-1.5暂无简介00
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
Spark-Formalizer-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
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