当前位置: 首页 > news >正文

RK3568平台 iperf3测试网络性能

一.iperf3简介

iperf是一款开源的网络性能测试工具,主要用于测量TCP和UDP带宽性能。它可以在不同的操作系统上运行,包括Windows、Linux、macOS等。iperf具有简单易用、功能强大、高度可配置等特点,广泛应用于网络性能测试、网络故障诊断和网络优化等领域。

这款软件开源、免费、代码都是公布的,而且不用安装,即可以作为服务端又可以作为客户端,是局域网内网络性能测试好工具,不过需要在命令行下运行,好在参数不复杂,比较容易上手。

在iperf的主页我们能够看到它有很多版本,对应不同的系统有不同的版本可用。Windows,Android,iOS,linux都有客户端,我们针对自己使用的系统下载就可以。

下载链接:iPerf - Download iPerf3 and original iPerf pre-compiled binaries

二.吞吐量

网络吞吐量测试主要是用于测试该网卡在局域网内的平均传输速度,直接能体现出该网卡的网络性能。网络吞吐量包含上行速度和下行速度,如设备A在网上下载应用,这时影响下载速度的最大因素则为下行速度,反之,设备A上传资料到网上,则为上行速度。

测试网速网站:https://www.speedtest.cn 

三.操作环境

1、测试无线网络时,两个设备端之间,不能存在格挡物,如墙面、机器、金属等物品,导致无线通信传输受阻,影响吞吐量速度,
2、测试有线网络时,需要排除网线因素,需使用千兆网线以上进行测试,且线材长度不要超过3米。
3、需排除网络路由因素,路由器应选用千兆路由,优先选择支持 WiFi6 的路由器。
4、测试过程应在环境空旷,WiFi信号弱的地方进行测试,减少同频干扰,如会议室内
TV 端:
5、测试无线网络时,WiFi模块与路由之间距离应该保持 0.5~2 米直线距离。

PC 端:
6、防止 PC 电脑设备落后导致测试网络吞吐量过低,无论测试有线/无线/上行/下行吞吐量速度,PC 电脑都需要接入千兆网线来进行测试。

四.测试步骤

此方法可测试有线网络吞吐量、无线网络吞吐量、热点吞吐量。
非屏蔽房测试时,环境干扰因素较多,若测试数值较低,可以多做以下实验:

1、无线吞吐量测试时,可调整 WiFi模块与路由器直接的角度、位置、高度
2、可以多测试 2-3 遍,取最高的吞吐量值为准
3、切换路由器信道(信道直接会存在同频干扰,如环境中同信道的 WiFi 过多,会导致信道拥堵,导致网络速度慢。

五.吞吐量测试

下行吞吐量指测试设备在时间段中的平均下载速度。
1、将 TV 端与 PC 端连接在同一局域网(PC 端要接入千兆有线网络进行测试)
2、PC 端接入千兆网线,可在电脑设置中查看接入的带宽是否为千兆。

3、在 TV 端安装并打开ipe应用,输入以下命令后,点击右上角的“开启”按钮
iperf-s-i1 -p 5050 -w2M”
//注:-s:代表服务端;-i1代表1秒显示1次数据

 

4、在 PC 端,复合键“win+R”输入cmd,或在开始中搜索命令控制符。

5、PC 端打开 iperf 文件夹,复制 iperf-2.0.5-2win32 的路径

6、在命令控制符中输入命令:
cd +iperf-2.0.5-2win32 的路径
//注:若 iperf工具放在乙盘,则输入Z:

iperf-c 192.168.1.102 -i1 -t 60 -w 2M-p 5050
//注:-c:代表接收端(后面填写接收端设备的IP 地址);-t60 代表测试时间为 60 秒

7、当网络吞吐量自动跑完后,最后一行数值则为测试结果(-C 端)//注:1.7GBytes 代表测试时间段内总包数;124Mbits/sec 代表平均每秒的网速:
1B=8b

六.网络性能标准

 

相关文章:

RK3568平台 iperf3测试网络性能

一.iperf3简介 iperf是一款开源的网络性能测试工具,主要用于测量TCP和UDP带宽性能。它可以在不同的操作系统上运行,包括Windows、Linux、macOS等。iperf具有简单易用、功能强大、高度可配置等特点,广泛应用于网络性能测试、网络故障诊断和网…...

Spring Boot中实现对特定URL的权限验证:拦截器、切面和安全框架的比较

引言: 在开发Web应用程序时,对特定URL进行权限验证是一项常见的需求。在Spring Boot中,我们有多种选择来实现这一目标,其中包括使用拦截器、切面和专门的安全框架(如Spring Security)。本文将比较这三种方式…...

【能源数据分析-00】能源领域数据集集锦(动态更新)

一、前言 大数据科学在能源领域的深度应用,已经深刻改变了这一行业的垂直格局。它为我们提供了宝贵的见解,帮助降低下游市场的成本,使石油生产商能够更好地应对市场繁荣期的需求。近期,石油价格的剧烈下跌给全球经济带来了沉重打…...

数据挖掘与机器学习 1. 绪论

于高山之巅,方见大河奔涌;于群峰之上,便觉长风浩荡 —— 24.3.24 一、数据挖掘和机器学习的定义 1.数据挖掘的狭义定义 背景:大数据时代——知识贫乏 数据挖掘的狭义定义: 数据挖掘就是从大量的、不完全的、有噪声的、…...

Matlab实现序贯变分模态分解(SVMD)

大家好,我是带我去滑雪! 序贯变分模态分解(SVMD) 是一种信号处理和数据分析方法。它可以将复杂信号分解为一系列模态函数,每个模态函数代表信号中的特定频率分量。 SVMD 的主要目标是提取信号中的不同频率分量并将其重构为原始信号。SVMD的基…...

云安全与云计算的关系

云计算又被称为网格计算,是分布式计算的一种,能够将大量的数据计算处理程序通过网络“云”分解成多个小程序,然后将这些小程序的结果反馈给用户。云计算主要就是能够解决任务分发,并进行计算结果的合并。 云安全则是我国企业创造的…...

WPF 界面变量绑定(通知界面变化)

1、继承属性变化接口 public partial class MainWindow : Window, INotifyPropertyChanged {// 通知界面属性发生变化public event PropertyChangedEventHandler PropertyChanged;private void RaisePropertyChanged(string propertyName){PropertyChangedEventHandler handle…...

eclipse导入svn项目

1、配置maven 2、用svn引入项目 3一直点击next,到最后选完成。...

Prompt提示工程上手指南:基础原理及实践(四)-检索增强生成(RAG)策略下的Prompt

前言 此篇文章已经是本系列的第四篇文章,意味着我们已经进入了Prompt工程的深水区,掌握的知识和技术都在不断提高,对于Prompt的技巧策略也不能只局限于局部运用而要适应LLM大模型的整体框架去进行改进休整。较为主流的LLM模型框架设计可以基…...

阿里云倚天云服务器怎么样?如何收费?

阿里云倚天云服务器CPU采用倚天710处理器,租用倚天服务器c8y、g8y和r8y可以享受优惠价格,阿里云服务器网aliyunfuwuqi.com整理倚天云服务器详细介绍、倚天710处理器性能测评、CIPU架构优势、倚天服务器使用场景及生态支持: 阿里云倚天云服务…...

海外社交营销为什么用云手机?不用普通手机?

海外社交营销作为企业拓展海外市场的重要手段,正日益受到企业的青睐。云手机以其成本效益和全球性特征,成为海外社交营销领域的得力助手。那么,究竟是什么特性使得越来越多的企业选择利用云手机进行海外社交营销呢?下文将对此进行…...

【Mysql数据库基础05】子查询 where、from、exists子查询、分页查询

where、from、exists子查询、分页查询 1 where子查询1.1 where后面的标量子查询1.1.1 having后的标量子查询 1.2 where后面的列子查询1.3 where后面的行子查询(了解即可) 2 from子查询3 exists子查询(相关子查询)4 分页查询5 联合…...

在Linux/Debian/Ubuntu上通过 Azure Data Studio 管理 SQL Server 2019

Microsoft 提供 Azure Data Studio,这是一种可在 Linux、macOS 和 Windows 上运行的跨平台数据库工具。 它提供与 SSMS 类似的功能,包括查询、脚本编写和可视化数据。 要在 Ubuntu 上安装 Azure Data Studio,可以按照以下步骤操作&#xff1…...

Java代码基础算法练习-搬砖问题-2024.03.25

任务描述: m块砖,n人搬,男搬4,女搬3,两个小孩抬一砖,要求一次全搬完,问男、 女、小孩各若干? 任务要求: 代码示例: package M0317_0331;import java.util.S…...

Tomcat调优

1、调整线程数 <Connector port"8080" maxHttpHeaderSize"8192"maxThreads"1900" minSpareThreads"250" maxSpareThreads"750"enableLookups"false" redirectPort"8443" acceptCount"100"…...

每日OJ题_栈①_力扣1047. 删除字符串中的所有相邻重复项

目录 力扣1047. 删除字符串中的所有相邻重复项 解析代码 力扣1047. 删除字符串中的所有相邻重复项 1047. 删除字符串中的所有相邻重复项 难度 简单 给出由小写字母组成的字符串 S&#xff0c;重复项删除操作会选择两个相邻且相同的字母&#xff0c;并删除它们。 在 S 上反…...

SQLServer SEQUENCE用法

SEQUENCE&#xff1a;数据库中的序列生成器 在数据库管理中&#xff0c;经常需要生成唯一且递增的数值序列&#xff0c;用于作为主键或其他需要唯一标识的列的值。为了实现这一功能&#xff0c;SQL Server 引入了 SEQUENCE 对象。SEQUENCE 是一个独立的数据库对象&#xff0c;用…...

Java中的代理模式(动态代理和静态代理)

代理模式 我们先了解一下代理模式&#xff1a; 在开发中&#xff0c;当我们要访问目标类时&#xff0c;不是直接访问目标类&#xff0c;而是访问器代理类。通过代理类调用目标类完成操作。简单来说就是&#xff1a;把直接访问变为间接访问。 这样做的最大好处就是&#xff1a…...

强化学习之父Richard Sutton:通往AGI的另一种可能

2019年&#xff0c;强化学习之父、阿尔伯塔大学教授Richard Sutton发表了后来被AI领域奉为经典的The Bitter lesson&#xff0c;这也是OpenAI研究员的必读文章。 在这篇文章中&#xff0c;Richard指出&#xff0c;过去 70 年来&#xff0c;AI 研究的一大教训是过于重视人类既有…...

【智能算法】秃鹰搜索算法(BES)原理及实现

目录 1.背景2.算法原理2.1算法思想2.2算法过程 3.结果展示4.参考文献 1.背景 2020年&#xff0c; Alsattar等人受到秃鹰猎食自然行为启发&#xff0c;提出了秃鹰搜索算法&#xff08;Bald Eagle Search&#xff0c;BES&#xff09;。 2.算法原理 2.1算法思想 BES主要分为三…...

告别单调Sprite!在UE5 Niagara中玩转条带渲染器:从参数解析到动态颜色宽度控制

告别单调Sprite&#xff01;在UE5 Niagara中玩转条带渲染器&#xff1a;从参数解析到动态颜色宽度控制在虚幻引擎5的Niagara粒子系统中&#xff0c;条带渲染器&#xff08;Ribbon Renderer&#xff09;一直是被低估的利器。与常见的Sprite渲染器不同&#xff0c;它能够基于粒子…...

OpenClaw Windows 最新官方安装教程(超简单一键安装)

⚙️ 前置条件 &#x1f4bb; 系统&#xff1a;Windows 10 / Windows 11&#x1f9e9; 终端&#xff1a;系统自带 PowerShell 5.0 及以上&#x1f310; 网络&#xff1a;正常外网环境✅ 无需提前安装 Node.js、Git&#xff0c;脚本自动补齐 &#x1f680; 正式安装步骤打开 Pow…...

从CentOS迁移到openEuler?手把手教你在vSphere ESXi 7.0上搭建测试环境

从CentOS迁移到openEuler&#xff1a;vSphere ESXi 7.0测试环境全指南当企业技术栈面临升级换代时&#xff0c;系统管理员往往需要在不影响生产环境的前提下进行充分验证。对于长期依赖CentOS/RHEL生态的用户而言&#xff0c;openEuler作为国产开源操作系统的代表&#xff0c;正…...

2026年学习Java还有前景吗?如何看待2026Java程序员就业难现状?

2026年Java的前景和就业情况&#xff0c;这是一个很现实的问题。我们直接来看核心。Java依然有前景&#xff0c;但“普通选手”的就业黄金期确实过去了&#xff0c;现在需要的是“高配选手”。所谓的“就业难”&#xff0c;本质不是Java不行了&#xff0c;而是行业对Java程序员…...

随机森林与保形预测:构建可解释、可信赖的通胀预测模型

1. 项目概述&#xff1a;当机器学习遇见通胀预测通胀预测一直是宏观经济分析和货币政策制定的核心挑战。传统的计量经济学模型&#xff0c;如基于菲利普斯曲线的线性回归&#xff0c;在处理复杂、非线性的经济关系时常常力不从心&#xff0c;尤其是在经济结构发生转变或面临外部…...

机器学习加速宇宙学参数估计:从神经代理模型到贝叶斯推断实战

1. 引言&#xff1a;当宇宙学遇见机器学习&#xff0c;一场静悄悄的效率革命如果你曾尝试用传统的马尔可夫链蒙特卡洛方法去拟合一个包含暗能量状态方程、中微子质量和原初功率谱指数等十几个参数的宇宙学模型&#xff0c;你大概会和我有同样的感受&#xff1a;等待结果的过程&…...

Selenium WebDriver协议层原理与稳定性实战

1. 这不是“又一个Selenium教程”——它解决的是你写完第一行代码后立刻卡住的问题“Selenium WebDriver教程”这六个字&#xff0c;我过去三年在团队内部文档、外包需求评审、新人入职培训材料里见过至少278次。但几乎每次打开&#xff0c;都只看到“安装ChromeDriver”“启动…...

7net-Omni:多任务学习驱动的通用机器学习原子间势模型解析与应用

1. 项目概述&#xff1a;为什么我们需要一个“全能”的原子模拟模型&#xff1f; 在材料科学和计算化学领域&#xff0c;我们一直面临着一个核心矛盾&#xff1a;量子力学计算&#xff08;如密度泛函理论&#xff0c;DFT&#xff09;虽然精度高&#xff0c;但计算成本极其昂贵&…...

Keil C251中RTX251配置错误解决方案

1. RTX251配置错误问题解析与修复指南最近在使用Keil C251开发工具时&#xff0c;遇到了一个典型的RTX251实时操作系统配置问题。当尝试编译TRAFFIC2、SAMPLE或INTRPT示例项目时&#xff0c;系统在汇编RTXCONF.A51文件时抛出了大量"UNDEFINED SYMBOL"错误。这个问题困…...

AlphaEvolve:LLM与进化算法融合的自动代码优化系统

1. 项目概述&#xff1a;AlphaEvolve系统架构与核心思想AlphaEvolve代表了当前算法自动优化领域最前沿的技术突破。这个由Google DeepMind团队开发的系统&#xff0c;创造性地将大语言模型(LLM)的代码生成能力与进化算法的迭代优化机制相结合&#xff0c;形成了一个自主进化的编…...