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。
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