Wolffy

Appearance

On this page

服务端工具库收集 ​

压测工具: Vegeta ​

一、特点 ​

  • 命令行和Go第三方库都可以使用
  • 命令行使用UNIX风格设计
  • 可扩展多种压测报告形式
  • 对于分布式测试也非常简单易用
  • 易安装、易使用

二、安装 ​

2.1 MacOS下安装 ​

macos下使用brew即可安装，如下：

shell
brew update && brew install vegeta

2.2 Arch Linux下安装 ​

shell
pacman -S vegeta

2.3 FreeBSD下安装 ​

shell
pkg install vegeta

2.4 自行编译 ​

shell
git clone https://github.com/tsenart/vegeta
cd vegeta
make vegeta
mv vegeta ~/bin # Or elsewhere, up to you.

三、使用教程 ​

vegeta工具主要有4个子命令组成，分别是attack、encode、report、plot。

  • attack子命令：该子命令主要设置和要压测的接口请求有关。比如要压测的接口地址、接口的body参数、接口的header头、并发的请求数量、压测的时间、压测的速率等等。
  • encode子命令：该子命令主要是指定压测结果输出的位置以及输出的格式。比如以csv格式输出还是以json格式输出，输出到哪个文件。
  • report子命令：该子命令主要是针对压测结果生成统计报告。
  • plot子命令： 该子命令的功能主要是将测试结果以图表的形式进行展示。

3.1 指定压测的接口地址 ​

在指定压测地址时有两种方式：通过标准的stdin(标准输入)和指定具体的文件。

通过stdin(标准输入)指定压测地址

shell
echo "GET https://www.baidu.com" | vegeta attack -duration=5s

如上所示，通过管道的方式将要压测的接口地址输出给vegeta的attack命令。这里需要注意，在指定压测接口时，一定要指定请求的方法，同时请求方法必须都是大写。例如GET、POST。而Get或Post则是无效的方法。

  • 通过targets参数指定文件

通过文件可以指定一个或多个要压测的url地址。指定格式如下：

shell
GET https://foo.bar/a/b/c
Header-X: 123
Header-Y: 321

POST https://foo.bar/b/c/a
Header-X: 123
@/path/to/body/file

在文件中，通过空行来区分两个url的部分。每个url部分以方法名和url地址开头，后续可以跟着对应的Header头信息。在POST请求中，可以通过@指定具体的body体内容的文件。

3.2 指定body体内容 ​

要指定body体，只能通过文件的方式来指定。vegeta attack有两种方式来指定body的文件名。第一种是刚才上面提到，在targets的文件中，可以通过“@”符号来指定对应的body体。第二种是通过命令行参数-body指定一个文件名：

shell
vegeta attack -body

3.3 指定接口返回内容为止 ​

通过vegeta encode子命令来指定接口自身输出的内容（即接口的响应值）被保存的位置以及输出内容的格式（csv、json等） 这里主要有两个参数项：

  • -output string：指定接口响应被存储的位置
  • -to string：指定内容输出的格式。例如csv、json、gob。默认为json。

3.4 生成测试报告 ​

vegeta 的测试报告是通过 report 子命令来生成的。该命令的输入数据是 encode 子命令产生的输出。如下示例所示：

shell
sh-3.2# echo "GET https://www.baidu.com" | vegeta attack -duration=5s | vegeta report
Requests      [total, rate, throughput]         250, 50.21, 49.11
Duration      [total, attack, wait]             5.09s, 4.979s, 111.653ms
Latencies     [min, mean, 50, 90, 95, 99, max]  18.132ms, 32.41ms, 21.998ms, 55.54ms, 106.41ms, 171.889ms, 276.545ms
Bytes In      [total, mean]                     56750, 227.00
Bytes Out     [total, mean]                     0, 0.00
Success       [ratio]                           100.00%
Status Codes  [code:count]                      200:250

可以看到，在报表中输出的信息有：

  • 请求相关的统计：请求总数、速率以及吞吐量。
  • 持续时间：压测的总时长、实际发送请求的时长以及等待的时间。
  • 响应延迟：最小、最大延迟。50分位、90分位、95分位响应延迟。
  • 输入、输出的字节
  • 响应成功率。
  • 状态码统计。

通过 -type 参数可以按响应时间区间统计，如下：

shell
sh-3.2# echo "GET https://www.baidu.com" | vegeta attack -duration=5s | vegeta report -type="hist[0,100ms,200ms,300ms]"
Bucket           #    %       Histogram
[0s,     100ms]  247  98.80%  ##########################################################################
[100ms,  200ms]  3    1.20%   
[200ms,  300ms]  0    0.00%   
[300ms,  +Inf]   0    0.00%

按不同的响应时间的区间统计响应的结果量。

四、总结 ​

vegeta是一个命令行的工具。一个压测工具最基本的功能就是输入url及参数、启动指定量的协程来进行压力测试，同时把响应结果保存下来，并以报表的形式进行统计输出。同时，该开源包也是大家学习使用golang进行命令行开发较好的参考。建议有兴趣的朋友可以阅读下源码。

视觉库: OpenCV ​

一、特点 ​

OpenCV 提供了丰富的图像处理和计算机视觉算法，包括但不限于以下功能：

  • 图像读取和显示：可以读取和显示多种图像格式，如JPEG、PNG等。
  • 图像处理：包括图像滤波、边缘检测、图像变换等操作。
  • 特征检测和描述：提供了各种特征点检测算法，如SIFT、SURF、ORB等，并支持生成特征描述符。
  • 目标检测和跟踪：包括人脸检测、物体检测、运动目标跟踪等。
  • 机器学习：集成了机器学习算法，包括分类、聚类、回归等。
  • 视频处理：支持视频文件读取、视频流处理、视频帧抽取等。
  • 相机标定和立体视觉：提供了相机标定和立体视觉算法，用于计算深度和三维重建等应用。

使用 OpenCV，您可以利用其丰富的功能和算法进行图像处理、计算机视觉和计算机图形学等方面的开发。它在计算机视觉领域得到广泛应用，包括目标检测、人脸识别、图像处理、机器人视觉等领域。

二、安装 ​

在 Mac 上安装 OpenCV 可以使用 Homebrew 进行快速安装，同时还需要手动下载 OpenCV 的 XML 分类器文件。我们可以通过设置环境变量 PKG_CONFIG_PATH 来配置 OpenCV 的环境。

安装OpenCV:

shell
brew install opencv

配置PKG_CONFIG_PATH环境变量:

shell
export PKG_CONFIG_PATH="/usr/local/opt/opencv@4/lib/pkgconfig:$PKG_CONFIG_PATH"

验证安装:

shell
pkg-config --cflags --libs opencv4

使用Go进行人脸识别 ​

  1. 安装 Go 的 OpenCV 绑定库：

    shell
    go get -u gocv.io/x/gocv

  2. 下载 haarcascade_frontalface_default.xml 文件

  3. 项目目录

    shell
    .
├── go.mod
├── go.sum
├── haarcascade_frontalface_default.xml
└── main.go

  4. 完整代码如下

    go
    package main

import (
    "fmt"
    "gocv.io/x/gocv"
    "image/color"
)

func main() {
    // 步骤1：打开摄像头设备
    webcam, err := gocv.VideoCaptureDevice(0)
    if err != nil {
        fmt.Println("打开摄像头设备失败:", err)
        return
    }
    defer webcam.Close()

    // 步骤2：加载人脸识别分类器
    classifier := gocv.NewCascadeClassifier()
    defer classifier.Close()

    if !classifier.Load("haarcascade_frontalface_default.xml") {
        fmt.Println("加载分类器文件失败")
        return
    }

    // 步骤3：创建一个窗口用于显示图像
    window := gocv.NewWindow("Face Detection")
    defer window.Close()

    img := gocv.NewMat()
    defer img.Close()

    for {
        // 步骤4：从摄像头读取图像帧
        if ok := webcam.Read(&img); !ok || img.Empty() {
            fmt.Println("无法从摄像头读取图像帧")
            break
        }

        // 步骤5：将图像转换为灰度图像，因为人脸识别通常在灰度图像上进行
        gray := gocv.NewMat()
        defer gray.Close()

        gocv.CvtColor(img, &gray, gocv.ColorBGRToGray)

        // 步骤6：检测人脸
        rects := classifier.DetectMultiScale(gray)
        fmt.Printf("检测到 %d 个人脸\n", len(rects))

        // 步骤7：在图像上绘制人脸边界框
        for _, r := range rects {
            gocv.Rectangle(&img, r, color.RGBA{0, 255, 0, 0}, 2)
        }

        // 步骤8：显示图像
        window.IMShow(img)

        // 步骤9：等待用户按下ESC键退出
        if window.WaitKey(1) == 27 {
            break
        }
    }
}

  5. 步骤说明

    1. 我们使用 gocv.VideoCaptureDevice 函数打开摄像头设备，0 表示使用默认的摄像头。
    2. 我们使用 gocv.NewCascadeClassifier 函数创建一个人脸识别分类器，并使用 classifier.Load 方法加载 haarcascade_frontalface_default.xml 分类器文件。
    3. 我们使用 gocv.NewWindow 函数创建一个名为 "Face Detection" 的窗口，用于显示图像。
    4. 我们使用 webcam.Read 方法从摄像头读取图像帧，并检查是否成功读取图像。
    5. 我们使用 gocv.CvtColor 函数将图像转换为灰度图像，因为人脸识别通常在灰度图像上进行。
    6. 我们使用 classifier.DetectMultiScale 方法检测人脸，并得到人脸在图像中的矩形区域。
    7. 我们使用 gocv.Rectangle 函数在图像上绘制人脸边界框，以便标记出人脸位置。
    8. 我们使用 window.IMShow 方法将标记后的图像显示在窗口中。
    9. 我们使用 window.WaitKey 方法等待用户按下 ESC 键，如果按下 ESC 键则退出程序。

邮箱：g598670138@163.com 个人微信号：woshigaojianghua

Copyright © 2022-present JiangHua Gao 版权所有 浙ICP备2022001576号