IPerf——网络测试工具介绍与源码解析(1)

简介:

IPerf是一个开源的测试网络宽带并能统计并报告延迟抖动、数据包丢失率信息的控制台命令程序,通过参数选项可以方便地看出,通过设置不同的选项值对网络带宽的影响,对于学习网络编程还是有一定的借鉴意义,至少可以玩上一段时间。

IPerf开始出现的时候是在03年,版本是1.7.0,在网上找到的仅有的系列源码解析篇 http://blog.chinaunix.net/uid/11568125/cid-131106-abstract-1.html 就是基于1.7.0 进行介绍和解析的,貌似1.7.0还是使用C++编写比较多,后面到了IPerf2版本,C++和C结合,现在出来一个法国人团队另起炉灶重构出不向下兼容的IPerf3,他们开了一个论坛专门讨论维护,但因为是法语所以跟我也无法沟通,所以也没怎么上去看,一开始入门的时候就只能上处链接的文章,还好有所帮助。

现在IPerf的官方网站为:https://iperf.fr/

IPerf的一些特性:

  •  开源,每个版本的源码都能进行下载和研习;
  • 跨平台,支持Windows Linux MacOS Android,现有支持不同平台的IPerf版本,UWP,Docker...很早之前就出来了一个JPerf(在IPerf的基础上添加了界面),有兴趣的同学可以找来看看;
  • 支持TCP、UDP协议,包括IPV4和IPV6,最新的IPerf还支持SCTP协
    • TCP
      • 测试网络带宽;
      • 报告MSS(最大报文段长度)、MTU(最大传输单元)的大小,在Windows上不支持;
      • 支持通过套接字缓冲区修改TCP窗口大小;
      • 支持多线程并发;
    • UDP
      • 客户端可创建指定大小的带宽流;
      • 统计数据包丢失、延迟抖动率等信息

 IPerf的简单使用示例:

IPerf通过选项 -c 和 -s 决定其当前是作为客户端程序还是作为服务端程序运行,当作为客户端程序运行时,-c 后面必须带所连接对端服务器的IP地址或域名

 

上面图片显示三种信息:本地设置信息,连接信息,传输信息,究竟其在程序设计中是如何打印出来的,看完接下来的源码解析希望你能够明白其中的原理 :)

 下面列举一些比较常用的选项参数,想要知道更多的选项参数,请查看官方网站的文档说明

选项参数  说明

[客户端]

-c host  以客户端模式运行,连接到IPerf服务端运行的主机IP地址或域名

-t ; -i    -t(timing)测试的时长;-i(interval)带宽报告周期性显示的间隔时间

-n  设置测试所发送的数据总量,#[KM] 覆盖-t选项

-d, -L  双向测试模式,客户端与服务端建立双向连接,并相互发送数据进行测试

-r, -L  交易模式,在客户端到服务端的测试结束后,执行服务端到客户端的测试

-P  设置客户端同时连接到服务端的并发数(在多线程允许的条件下)

[服务端]

-s  以服务端模式运行,等待客户端的连接请求

-D  Unix平台以后台守护程序运行;Windows平台下以服务形式运行

-w  设置TCP窗口大小或UDP接收缓冲区大小为其指定的值

目录
相关文章
|
2月前
|
Web App开发 人工智能 JavaScript
主流自动化测试框架的技术解析与实战指南
本内容深入解析主流测试框架Playwright、Selenium与Cypress的核心架构与适用场景,对比其在SPA测试、CI/CD、跨浏览器兼容性等方面的表现。同时探讨Playwright在AI增强测试、录制回放、企业部署等领域的实战优势,以及Selenium在老旧系统和IE兼容性中的坚守场景。结合六大典型场景,提供技术选型决策指南,并展望AI赋能下的未来测试体系。
|
2月前
|
存储 人工智能 算法
AI测试平台实战:深入解析自动化评分和多模型对比评测
在AI技术迅猛发展的今天,测试工程师面临着如何高效评估大模型性能的全新挑战。本文将深入探讨AI测试平台中自动化评分与多模型对比评测的关键技术与实践方法,为测试工程师提供可落地的解决方案。
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
如何让AI更“聪明”?VLM模型的优化策略与测试方法全解析​
本文系统解析视觉语言模型(VLM)的核心机制、推理优化、评测方法与挑战。涵盖多模态对齐、KV Cache优化、性能测试及主流基准,助你全面掌握VLM技术前沿。建议点赞收藏,深入学习。
202 8
|
12天前
|
人工智能 自然语言处理 前端开发
深度解析Playwright MCP:功能、优势与挑战,AI如何提升测试效率与覆盖率
Playwright MCP通过AI与浏览器交互,实现自然语言驱动的自动化测试。它降低门槛、提升效率,助力测试工程师聚焦高价值工作,是探索性测试与快速验证的新利器。
|
18天前
|
人工智能 边缘计算 搜索推荐
AI产品测试学习路径全解析:从业务场景到代码实践
本文深入解析AI测试的核心技能与学习路径,涵盖业务理解、模型指标计算与性能测试三大阶段,助力掌握分类、推荐系统、计算机视觉等多场景测试方法,提升AI产品质量保障能力。
|
2月前
|
人工智能 资源调度 jenkins
精准化回归测试:大厂实践与技术落地解析
在高频迭代时代,全量回归测试成本高、效率低,常导致关键 bug 漏测。精准化测试通过代码变更影响分析,智能筛选高价值用例,显著提升测试效率与缺陷捕获率,实现降本增效。已被阿里、京东、腾讯等大厂成功落地,成为质量保障的新趋势。
|
3月前
|
JavaScript 前端开发 测试技术
Playwright自动化测试系列课(4) | 异步加载克星:自动等待 vs 智能等待策略深度解析​
本文深度解析Playwright自动化测试中的等待策略,对比自动等待(零配置防御机制)与智能等待(精准控制异步场景)的核心差异。通过实战案例讲解等待机制的选择标准、常见失效原因及调试技巧,帮助开发者有效解决页面异步加载问题,提升测试脚本的稳定性和执行效率。
|
2月前
|
人工智能 缓存 监控
大模型性能测试实战指南:从原理到落地的全链路解析
本文系统解析大模型性能测试的核心方法,涵盖流式响应原理、五大关键指标(首Token延迟、吐字率等)及测试策略,提供基于Locust的压测实战方案,并深入性能瓶颈分析与优化技巧。针对多模态新挑战,探讨混合输入测试与资源优化
|
3月前
|
人工智能 数据可视化 测试技术
UAT测试排程工具深度解析:让验收测试不再失控,项目稳稳上线
在系统交付节奏加快的背景下,“测试节奏混乱”已成为项目延期的主因之一。UAT测试排程工具应运而生,帮助团队结构化拆解任务、清晰分配责任、实时掌控进度,打通需求、测试、开发三方协作闭环,提升测试效率与质量。本文还盘点了2025年热门UAT工具,助力团队选型落地,告别靠表格和群聊推进测试的低效方式,实现有节奏、有章法的测试管理。
|
3月前
|
Java 测试技术 API
自动化测试框架深度解析与选择指南
Apache JMeter是Apache组织基于Java开发的一款压力测试工具,旨在测试软件的性能承受能力。它支持多种协议测试及功能测试,提供灵活的断言创建能力,如同创建带断言的脚本来验证程序是否返回预期结果。

热门文章

最新文章

推荐镜像

更多
  • DNS