iPerf3测试局域网两台机器的之间的最大带宽

2024-04-16 09:38

本文主要是介绍iPerf3测试局域网两台机器的之间的最大带宽,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

测试局域网两台机器的之间的最大带宽

1. 介绍

工具使用的是iPerf3,官网地址是https://iperf.fr/

Ubuntu,Mac,Windows都可以支持使用,需要在测试的两台机器上都安装上该软件。

iPerf3也是C/S(客户端/服务器端)架构模式,在使用iperf3测试时,要同时在server端与client端都各执行一个程序,让它们互相传送报文进行测试。

2. 安装iPerf3

可以选择使用docker安装,或者根据系统来安装

2.1 Ubuntu安装

执行命令sudo apt-get install iperf3

2.2 MacOS X安装

访问页面https://iperf.fr/iperf-download.php,选择
在这里插入图片描述

中的iPerf 3.1.3,点击链接下载为iperf-3.1.3-macos-x86_64.zip,解压之后就是一个脚本文件

3. 带宽测试

我们把另外一台服务器作为服务端,本地机器作为客户端

3.1 远程服务器作为服务端

远程服务器IP是192.168.3.151,通过步骤2安装好之后,执行命令启动server端程序如下,开始监听

➜  ~ iperf3 -s
-----------------------------------------------------------
Server listening on 5201
-----------------------------------------------------------
3.2 本地服务器作为客户端

当远程服务器开始监听之后,本地服务器执行命令开始测试,远程机器和本地机器都会有日志打印出来

本地机器日志

yangliu@ylmac iperf3 % ./iperf3 -c 192.168.3.151
Connecting to host 192.168.3.151, port 5201
[  4] local 192.168.3.184 port 62357 connected to 192.168.3.151 port 5201
[ ID] Interval           Transfer     Bandwidth
[  4]   0.00-1.00   sec  4.37 MBytes  36.7 Mbits/sec                  
[  4]   1.00-2.00   sec  3.00 MBytes  25.1 Mbits/sec                  
[  4]   2.00-3.00   sec  3.05 MBytes  25.6 Mbits/sec                  
[  4]   3.00-4.00   sec  1.99 MBytes  16.6 Mbits/sec                  
[  4]   4.00-5.00   sec  1.67 MBytes  14.0 Mbits/sec                  
[  4]   5.00-6.00   sec  1.87 MBytes  15.7 Mbits/sec                  
[  4]   6.00-7.00   sec   700 KBytes  5.73 Mbits/sec                  
[  4]   7.00-8.00   sec   443 KBytes  3.63 Mbits/sec                  
[  4]   8.00-9.00   sec   375 KBytes  3.07 Mbits/sec                  
[  4]   9.00-10.00  sec   426 KBytes  3.49 Mbits/sec                  
- - - - - - - - - - - - - - - - - - - - - - - - -
[ ID] Interval           Transfer     Bandwidth
[  4]   0.00-10.00  sec  17.8 MBytes  15.0 Mbits/sec                  sender
[  4]   0.00-10.00  sec  17.8 MBytes  14.9 Mbits/sec                  receiveriperf Done.

远程机器日志

➜  ~ iperf3 -s
-----------------------------------------------------------
Server listening on 5201
-----------------------------------------------------------
Accepted connection from 192.168.3.184, port 62356
[  5] local 192.168.3.151 port 5201 connected to 192.168.3.184 port 62357
[ ID] Interval           Transfer     Bandwidth
[  5]   0.00-1.00   sec  4.00 MBytes  33.6 Mbits/sec                  
[  5]   1.00-2.00   sec  2.66 MBytes  22.3 Mbits/sec                  
[  5]   2.00-3.00   sec  3.53 MBytes  29.6 Mbits/sec                  
[  5]   3.00-4.00   sec  1.97 MBytes  16.6 Mbits/sec                  
[  5]   4.00-5.00   sec  1.80 MBytes  15.1 Mbits/sec                  
[  5]   5.00-6.00   sec  1.80 MBytes  15.1 Mbits/sec                  
[  5]   6.00-7.00   sec   676 KBytes  5.54 Mbits/sec                  
[  5]   7.00-8.00   sec   475 KBytes  3.89 Mbits/sec                  
[  5]   8.00-9.00   sec   400 KBytes  3.28 Mbits/sec                  
[  5]   9.00-10.00  sec   448 KBytes  3.67 Mbits/sec                  
[  5]  10.00-10.07  sec  45.2 KBytes  5.15 Mbits/sec                  
- - - - - - - - - - - - - - - - - - - - - - - - -
[ ID] Interval           Transfer     Bandwidth
[  5]   0.00-10.07  sec  0.00 Bytes  0.00 bits/sec                  sender
[  5]   0.00-10.07  sec  17.8 MBytes  14.8 Mbits/sec                  receiver
-----------------------------------------------------------
Server listening on 5201
-----------------------------------------------------------

那么,简单地说,你可以认为带宽就是14.8Mbits/sec

这篇关于iPerf3测试局域网两台机器的之间的最大带宽的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/908436

相关文章

人工智能机器学习算法总结神经网络算法(前向及反向传播)

1.定义,意义和优缺点 定义: 神经网络算法是一种模仿人类大脑神经元之间连接方式的机器学习算法。通过多层神经元的组合和激活函数的非线性转换,神经网络能够学习数据的特征和模式,实现对复杂数据的建模和预测。(我们可以借助人类的神经元模型来更好的帮助我们理解该算法的本质,不过这里需要说明的是,虽然名字是神经网络,并且结构等等也是借鉴了神经网络,但其原型以及算法本质上还和生物层面的神经网络运行原理存在

将一维机械振动信号构造为训练集和测试集(Python)

从如下链接中下载轴承数据集。 https://www.sciencedirect.com/science/article/pii/S2352340918314124 import numpy as npimport scipy.io as sioimport matplotlib.pyplot as pltimport statistics as statsimport pandas

AI学习指南机器学习篇-朴素贝叶斯处理连续特征和离散特征

AI学习指南机器学习篇-朴素贝叶斯处理连续特征和离散特征 在机器学习领域,朴素贝叶斯是一种常用的分类算法,它的简单性和高效性使得它在实际应用中得到了广泛的应用。然而,在使用朴素贝叶斯算法进行分类时,我们通常会面临一个重要的问题,就是如何处理连续特征和离散特征。因为朴素贝叶斯算法基于特征的条件独立性假设,所以对于不同类型的特征,我们需要采取不同的处理方式。 在本篇博客中,我们将探讨如何有效地处理

局域网内vue2 配置本地IP地址访问项目

在日常开发中同事可能需要访问你的前端项目,可以通过配置实现通过ip访问 一.首先找到config文件夹目录下的 index.js文件             将此处的host的值修改为0.0.0.0(即 host: 0.0.0.0) // Various Dev Server settings//host: 'localhost' //将localhost进行替换成 0.0.0.0host:

【机器学习】半监督学习可以实现什么功能?

目录 一、什么是机器学习二、半监督学习算法介绍三、半监督学习算法的应用场景四、半监督学习可以实现什么功能? 一、什么是机器学习 机器学习是一种人工智能技术,它使计算机系统能够从数据中学习并做出预测或决策,而无需明确编程。它涉及到使用算法和统计模型来分析大量数据,识别其中的模式和关系,并利用这些信息来预测未来事件或做出决策。机器学习可以应用于各种领域,包括图像识别、自然语言

如何实现一台机器上运行多个MySQL实例?

在一台机器上一个MySQL服务器运行多个MySQL实例有什么好处?这里我先入为主给大家介绍这样做至少存在两个好处(看完这篇文章后理解会更透彻): (1)减轻服务器链接负担 (2)为不同的用户提供不同的mysqld服务器的访问权限以方便这些用户进行自我管理。   下面我介绍具体的实现过程: 一、准备工作     台式机一台、Windows系统、MySQL服务器(我安装的版本是MySQL

【机器学习】自然语言处理的新前沿:GPT-4与Beyond

📝个人主页:哈__ 期待您的关注  目录 🔥引言 背景介绍 文章目的 一、GPT-4简介 GPT-4概述 主要特性 局限性和挑战 二、自监督学习的新进展 自监督学习的原理 代表性模型和技术 三、少样本学习和零样本学习 少样本学习的挑战 先进方法 四、跨模态学习 跨模态学习的概念 代表性技术 应用场景 第五部分:可解释性和透明性 AI的可解释

ccp之间是不可以直接进行+,-的,要用ccpSub和ccpAdd。

1.  http://www.cnblogs.com/buaashine/archive/2012/11/12/2765691.html  上面有好多的关于数学的方面的知识,cocos2dx可能会用到的 2.学到了   根据tilemap坐标得到层上物体的id int oneTiled=flagLayer->tileGIDt(tilePos);

【图像识别系统】昆虫识别Python+卷积神经网络算法+人工智能+深度学习+机器学习+TensorFlow+ResNet50

一、介绍 昆虫识别系统,使用Python作为主要开发语言。通过TensorFlow搭建ResNet50卷积神经网络算法(CNN)模型。通过对10种常见的昆虫图片数据集(‘蜜蜂’, ‘甲虫’, ‘蝴蝶’, ‘蝉’, ‘蜻蜓’, ‘蚱蜢’, ‘蛾’, ‘蝎子’, ‘蜗牛’, ‘蜘蛛’)进行训练,得到一个识别精度较高的H5格式模型文件,然后使用Django搭建Web网页端可视化操作界面,实现用户上传一

编译测试后出现“发现不明确的匹配”错误

原文链接:http://blog.163.com/zhaoyanping_1125/blog/static/201329153201204218533/ 错误提示: 【“/”应用程序中的服务器错误。  分析器错误 说明: 在分析向此请求提供服务所需资源时出错。请检查下列特定分析错误详细信息并适当地修改源文件。  分析器错误信息: 发现不明确的匹配。】   这个问题发生原因一般情况是