iperf3 3.19版本发布:新增MPTCP支持与性能优化
iperf3作为网络性能测试领域的标杆工具,在3.19版本中带来了一系列重要更新。作为一款开源的网络带宽测量工具,iperf3广泛应用于数据中心、云计算和网络设备测试等场景,能够精确测量TCP/UDP的吞吐量、延迟抖动等关键指标。
核心功能升级
多路径TCP支持
本次更新最引人注目的特性是新增了对Multi-Path TCP(MPTCPv1)协议的支持。MPTCP作为TCP的扩展协议,允许单个TCP连接同时使用多个网络路径传输数据,在移动设备多网卡、数据中心多链路等场景下能显著提升带宽利用率和连接可靠性。
用户只需在命令行添加-m或--mptcp参数即可启用这一功能。这项特性目前仅在Linux平台可用,需要内核支持MPTCP协议栈。对于网络研究人员和运营商而言,这提供了测试MPTCP性能的标准方法。
控制连接保活机制
新增的--cntl-ka选项解决了长期存在的控制连接稳定性问题。在跨公网或复杂网络环境测试时,控制连接可能因中间设备超时而中断。启用TCP keepalive后,系统会定期检测连接状态,确保长时间测试的可靠性。
高性能接收优化
针对超高带宽测试场景(如100Gbps及以上网络),新增的--skip-rx-copy选项采用了MSG_TRUNC接收模式。这种技术通过避免将网络数据完整复制到用户空间,减少了CPU开销,理论上可以提升极限吞吐量。需要注意的是,这属于高级优化选项,普通用户通常无需启用。
重要问题修复
突发传输模式修正
修复了当同时设置比特率和突发参数时,比特率设置被忽略的问题。这个bug影响了需要精确控制流量模式的测试场景,如评估网络设备突发处理能力或QoS策略时。
拥塞控制协议重置
改进了拥塞控制协议的处理逻辑,现在能正确地在不同测试之间重置拥塞控制设置。这对于对比不同拥塞算法性能的研究工作尤为重要。
信号处理优化
调整了信号处理逻辑,现在当进程收到SIGTERM、SIGHUP或SIGINT信号时,会以0状态码退出。这一改变使得iperf3能更好地集成到自动化测试系统中。
开发者相关改进
编程接口增强
新增了JSON输出回调函数支持,允许开发者更灵活地处理测试结果。这一改进使得将iperf3集成到自定义监控系统或数据分析平台变得更加便捷。
代码质量提升
修复了多个内存泄漏问题,增强了代码健壮性。特别是改进了JSON消息解析时的错误处理,现在能提供更有价值的警告信息,帮助开发者快速定位配置问题。
构建系统更新
适配了最新的gcc-15编译器,确保项目能在现代开发环境中顺利构建。CI配置也同步更新,使用更现代的测试运行环境。
使用建议
对于需要测试MPTCP性能的用户,建议在支持MPTCP的内核上验证新功能。网络设备厂商可以关注MSG_TRUNC优化带来的性能提升潜力。所有用户都建议升级以获取更稳定的测试体验,特别是在使用突发传输或需要长时间运行的测试场景中。
这个版本体现了iperf3项目对前沿网络技术的快速响应能力,同时也持续改进基础功能的可靠性和易用性,巩固了其作为网络性能测试标准工具的地位。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-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
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