BR 技术头条 技术链接、资讯与社区分享流
li www.linuxprobe.com / 2017-09-21 13:29 / by @Linux就该这么学

API 集成测试工具Hitchhiker 0.1.1 正式发布

打开原文 0 条评论
Hitchhiker 是一款开源的 Restful Api 集成测试工具，你可以在轻松部署到本地，和你的 team 成员一起管理 Api。

赞过的人

@Linux就该这么学

发表评论

相关分享

du dusays.com / 2024-11-02 16:54

Linux 安全 Auditd 审计工具使用说明

本文介绍了 Linux 的 Auditd 审计工具，用于监控和记录安全相关事件。内容涵盖工具安装、审计规则配置、日志管理和规则持久化。审计规则包括文件、系统调用的监控，适合检测敏感操作。通过 `auditctl`、`ausearch` 和 `aureport` 等工具，管理员可以分析日志并生成报告，提升系统的安全性和合规性。

查看详情
无图
li lisenhui.cn / 2024-09-08 23:22

Java程序调用外网API时CA问题

Java 安全设置问题常常让开发者头疼，特别是与 cacerts 证书库相关的配置。本文详细解读了 Java 中的 cacerts 文件问题，帮助你排除常见错误，并提供了实用的解决方案。通过这些技巧，你可以更好地管理证书库，提升应用安全性。如果你在 Java 开发中遇到证书问题，千万不要错过！

查看详情
无图
co colobu.com / 2024-08-06 07:51

“测试 Rust 的 I/O 性能”

这篇文章探讨了在Linux上使用Rust进行文件I/O操作的性能测试。作者通过多种方法对读取大文件进行基准测试，包括使用标准BufReader、Direct I/O、内存映射（Mmap）以及io_uring等技术。结果显示，使用AVX-512指令集的内存映射实现是最快的方法，其读取速度超过8.4 GB/s。文章强调不同技术的性能差异，并提供代码示例供开发者参考。

查看详情
无图
te tech.meituan.com / 2024-03-12 22:45

基于接口数据变异的App健壮性测试实践

本文主要介绍了对网络返回数据进行变异的客户端健壮性测试实践经验。文章第一部分介绍客户端健壮性测试的基本概念；第二部分分享了基于接口返回数据变异的App健壮性测试方案设计的思路；第三部分主要解读了变异数据的构造和异常检测方案设计；第四部分介绍了精简变异数据的探索方案。

查看详情
无图
ad www.addesp.com / 2023-11-06 23:29

为什么需要 “API 网关”？

在 OSI 模型的网络层中，网关通常指路由器，因为它可以实现局域网间的数据互通。API 网关的作用也类似，即接受客户端的请求，转发客户端的请求，转发服务端的响应给客户端。

那么这和客户端直接请求有什么区别呢？一大区别就是 API 网关可以将不同服务的接口聚合成一个接口，客户端只要请求一次，API 网关就可以根据请求向若干个服务发起请求，等到请求完成后，一起返回给客户端。

查看详情
无图
ma mazhuang.org / 2023-10-30 22:56

Android｜集成 slf4j + logback 作为日志框架

最近在做一个 Android APP 的日志改造，我搜了一下「Android 日志框架」，大多网友推荐的是 logger、timber、xLog 等等，看着也不错。不过出于几年后端开发的经验和习惯，我进一步了解，发现熟悉的 log4j 和 logback 在 Android 上也有人做过适配，所以最终决定使用 slf4j + logback，以在前后端开发中取得一致的体验。

查看详情
无图
pa paper.seebug.org / 2023-10-25 00:00

五大常见的渗透工具分析

在威胁事件响应中，黑客们越来越频繁地使用数据传输工具（包括用于将数据传输到SFTP服务器或直接传输到云端的工具），这些工具被攻击者广泛用于数据外泄，而数据泄露问题是勒索事件中很常见的问题。本文立足于常见的应用工具，对其进行详细的检测分析。

查看详情
无图
co colobu.com / 2023-10-18 00:14

使用Go实现traceroute工具

这篇文章主要介绍traceroute底层的实现原理，所以不会完全复刻Linux自带的traceroute所有的参数的功能，否则会有大段的代码处理这些参数的逻辑，本文只是实现一个最基本的功能。

查看详情
无图
te tech.meituan.com / 2023-08-26 21:53

如何提供一个可信的AB测试解决方案

本文以履约场景下的具体实践为背景，介绍如何提供一个可信赖的AB测试解决方案。一方面从实验方法的角度论述实验过程中容易被忽视的统计陷阱，给出具体的解决方案，一方面从平台建设角度论述针对业务场景和对应约束制定实验方案提供给用户，而不只是功能和方法由用户自由选择，因为实验方法差之毫厘，结果可能是失之千里。

查看详情
无图