【虹科技术分享】使用Profishark进行EtherCAT主站性能测试

原创 于 2022-05-13 10:04:34 发布 · 1.7k 阅读 · 18 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#便携式网络分路器 #抓包工具 #Profishark #EtherCAT #EtherCAT报文分析

本文详述了如何进行EtherCAT主站性能测试，关注点包括通讯周期、circletime稳定性和抖动分析。通过第三方工具ProfiShark抓包，并使用Wireshark进行报文解析，结果显示1ms主站周期下的抖动处于ns级别。测试在不同周期条件下的结果表明，系统的抖动控制在ns级别，确保了通信的高精度。

EtherCAT 主站性能测试

一般情况下EtherCAT主站性能测试会关注主站通讯周期，circle time是否稳定，抖动多少，因此可以设置在不同的circle time，比如2ms，1ms，500us，250us，125us等条件下测试抖动，可以采用第三方的抓包工具+wireshark进行报文分析，不同主站周期，需要修改代码以及ENI文件的circle time，此处以1ms主站周期，有些任务周期是5ms（主站周期的5倍）。

 

EtherCAT报文抓取 

抓包方式，主站和从站直接接入第三方的抓包工具，连接方式如下示意图，可以先运行主站，待主从通讯稳定后，再进行数据抓包，这样抓出来的数据包就是pdo数据/过程数据，也可以主站启动前，开始抓包，这样就可以把整个启动过程的数据抓取出来，但是过滤时，op前的报文数据就不是我们需要分析的数据了。

 

虹科提供最简单的EtherCAT抓包工具， ProfiShark，帮助网络工程师轻松访问

最低0.47元/天 解锁文章
博客
艾体宝洞察 | “顶会”看安全（四）：Black hat-揭示 PyTorch 中 TorchScript 引擎的潜在风险
01-07 600
一、pytorch如何保存训练模型最初pytorch用pickle模块进行临时保存程序中的对象（比如训练好的模型、中间计算结果），方便后续直接加载使用。pickle是 Python 的序列化 / 反序列化模块，核心作用是把 Python 对象（比如字典、列表、类实例等）转换成字节流（序列化，称为 “pickling”），或者把字节流恢复成原来的 Python 对象（反序列化，称为 “unpickling”）。
博客
艾体宝方案 | 在Active Directory中实施基于角色的访问控制：从权限混乱到有序管理
01-06 503
在Active Directory环境中，最大的安全隐患往往源于将正确的访问权限授予了错误的人员。面对权限泛滥、幽灵特权、嵌套组混乱等问题，基于角色的访问控制（RBAC）成为唯一可持续的解决方案。本文将从实际应用角度出发，提供一套零理论、可操作的AD RBAC实施指南，帮助您构建清晰、可审计的权限管理体系。用简短短语命名功能角色，例如：“财务：账户经理”“支持：AD密码重置”“备份：文件服务器恢复操作员”每个角色都应回答两个问题：该角色允许我做什么？该角色访问哪些数据/系统？
博客
艾体宝案例 | 某大型科技企业基于Lepide构建可持续数据安全审计体系的实战案例
01-06 166
本白皮书系统阐述了一家拥有超过1500名活跃AD用户的大型科技企业，在复杂的混合IT环境中，通过部署Lepide数据安全平台，实现全面、可持续的数据安全治理与合规审计的完整历程。案例深入剖析了从。
博客
艾体宝干货 | 【Redis实用技巧#8】缓存层的背后，不同的选择
01-06 528
当业务流量持续增长，应用变得越来越慢。有人开始盯着数据库监控看：CPU 长时间打满、慢查询暴增、连接数不断堆积。于是尝试纵向扩容服务器，扩了一次又扩一次。给表加索引、调参数、改 SQL，但问题始终没有根本缓解，数据库变成了。再仔细一看，问题其实很明显：数据库在反复做同样的事情。同一个用户资料查询同一份「热门商品」榜单同一个仪表盘里那条代价极高的聚合 SQL本文将围绕三类最常见、也最关键的手段展开：RedisMemcachedMaterialized View（物化视图）
博客
艾体宝案例 | 从关系到语义：ArangoDB如何支撑高精度水军识别
01-06 332
水军乱象的治理，本质是对“虚假关系”与“不实内容”的精准甄别，而这正是图数据库与向量检索技术的核心优势所在。ArangoDB通过“多元关联图谱构建-图算法异常检测-向量检索内容佐证”的全链路方案，打破了传统水军识别的单一维度局限，实现了从“被动应对”到“主动预防”的治理升级。在数字社交生态日益复杂的今天，这类以技术创新为核心的治理方案，不仅能够帮助平台精准打击水军乱象，更能守护真实的信息传播秩序，提升平台公信力，最终推动社交生态的良性发展。
博客
艾体宝案例 | ArangoDB赋能电商个性化推荐：精准匹配需求，拓展增长空间
01-06 313
在电商个性化推荐场景中，如何在精准性与拓展性之间取得平衡始终是关键挑战。ArangoDB通过对图模型与向量数据的统一支持，为构建融合型推荐系统提供了稳定、高性能的数据基础。借助这一能力，电商平台可以更灵活地设计推荐策略，在降低系统复杂度的同时，不断优化推荐体验，为业务增长提供持续动力。
博客
艾体宝洞察 | Mend 洞察 |「影子 AI」已经进到你的供应链：Mend AI 如何把治理前移到每一次合并之前？
01-06 834
当生成式 AI 进入研发流程，你的风险不再只来自 CVE—— 还来自「看不见的模型、框架、代理与提示词」。Mend AI 的主题核心，是用自动化盘点、风险洞察、提示词加固、AI 红队与政策治理，把 AI 应用安全从事后救火改成事前控管与可稽核治理。
博客
艾体宝新闻 | NPM 惊现「幽灵字体」攻击：拆解黑客如何利用 900GB 假字体档瘫痪您的供应链防线
01-06 789
摘要 ：Mend.io 威脅情報團隊於 2025 年 12 月 16 日截獲一場極具隱蔽性的供應鏈攻擊行動。一名代號為sdjkals的用戶正以驚人的速度向 NPM 註冊表灌注偽裝成 WOFF2 字體檔的惡意分片載荷（Split Payloads）。本文將深度剖析這種繞過傳統靜態檢測的「化整為零」戰術，並提供 Mend.io 的防禦策略，協助企業在駭客組裝完畢前斬斷攻擊鏈。
博客
艾体宝洞察 | 生成式AI上线倒计时：Redis如何把“延迟”与“幻觉”挡在生产线之外？
12-26 565
生成式 AI 项目真正的风险，往往不是模型不够强，而是数据层跟不上：一旦延迟飙升、上下文丢失、检索不稳定，Copilot 会在尖峰流量下变成“昂贵但不可信的聊天窗口”。在多个已公开的 AI 系统实作中，Redis 被用来承担向量检索、会话记忆与缓存，直接把体感延迟与业务指标拉回可控范围。
博客
艾体宝方案 | 容灾架构设计：双活 vs 主备模式的技术决策
12-26 767
同时，团队能力建设是成功实施容灾架构的根本保障，双活架构要求团队具备深厚的分布式系统理论基础和数据一致性处理经验，而主备架构则更加注重运维团队的监控告警和快速故障响应能力。Service Mesh 技术通过 sidecar 代理模式为容灾提供了更加精细的流量控制和故障处理能力，AI 驱动的智能运维系统能够基于历史数据和实时监控信息预测潜在故障并提前调度资源，而边缘计算的普及则要求容灾架构适应更加复杂的分布式网络拓扑结构。记住，优秀的架构设计源于对业务需求的深度理解，而不是对技术的盲目追求。
博客
艾体宝洞察 | 为何缓存策略可能拖累系统表现？下一步该考虑什么？
12-26 915
缓存策略是系统性能与成本的平衡艺术。基于业务特征选择缓存策略组合建立全链路监控体系采用 Redis 等专业缓存中间件替代原生方案如需技术咨询或定制解决方案，请联系我们的技术团队获取支持。
博客
艾体宝干货 | 三层缓存架构扛住流量冲击，源站稳如泰山
12-26 844
单一 Redis 能解决很多问题，但要撑住高并发、全球访问、动态内容，依赖分层架构 + 灵活策略的体系更为稳妥。CDN 扛静态，边缘 KV 扛动态，Redis 兜底，再配上软 / 硬 TTL、single-flight、抖动这些细节，真正做到源站稳了，用户快了，值班也能睡个安稳觉了。如果刚开始试，不用一步到位，我们建议先搞 CDN + Redis 组合，跑顺了再加边缘层，成本低还见效快。
博客
艾体宝新闻 | Redis 荣获 ISO/IEC 42001 认证，彰显其负责任的人工智能实践
12-23 223
为获得此项殊荣，我们接受了一家经认可的第三方机构执行的严格、独立的审核，在此过程中，我们的 AI 治理、透明度及风险管理实践都受到了深入审查，并依据 ISO/IEC 42001 的要求进行了衡量。这一重大成就体现了我们坚定不移的承诺，即在客户将最关键的数据托付给我们时，为其提供高度的透明度、问责制和保障。所有与 Redis ISO/IEC 42001 认证相关的文档，以及关于安全、信任与合规的补充材料，均可通过 Redis 客户信任中心（我们也深知，信任必须通过行动赢得，而非仅仅是口头声明。
博客
艾体宝洞察 | Redis vs ElastiCache：哪个更具成本效益？
12-23 900
ElastiCache 最大的成本驱动因素很容易被忽视：您永远无法将节点的全部内存用作可用的键空间。根据 AWS 的官方文档，默认情况下有 25% 的内存被预留用于备份和复制等操作，这部分内存是不可用的。因此，客户实际可用的容量要小于实例规格所标示的数值。这一点至关重要，因为您支付的正是内存的费用。如果您根据规格而非可用键空间来规划容量，那么您将面临选择：要么淘汰更多数据，要么处理内存不足错误，要么通过增加分片、副本或迁移到更大节点来推高您的 ElastiCache 账单。
博客
艾体宝洞察 | Redis vs Valkey：解决 ElastiCache 的无序扩张与资源效率问题
12-23 342
随着应用的演进，团队会隔离具有不同需求的工作负载，将用户会话数据、缓存和流数据分离开来，以便它们可以独立扩展。不同的业务部门各自预配自己的集群。一个他们在 2024 年为某次活动而扩容的集群至今仍在以当时的规模运行，因为更改节点类型、分片数量或参数组这些工作的优先级低且耗时。Valkey 遵循同样的“每个工作负载一个集群”的模型，因此随着部署规模的增长，用户将继续面临无序扩张和同样的规模优化惯性。对于依赖 ElastiCache 的团队来说，这意味着今天需要管理更多的集群，而明天则要面对兼容性的不确定性。
博客
艾体宝产品 | 隆重推出 Haink：Redis 的应用型 AI 智能体
12-23 719
这个生命周期过程为 Redis 的客户经理和解决方案架构师提供了支持，并进一步向其他公司展示了，将 Haink 作为 Redis 应用平台的一部分，可以如何通过架构示例和 Redis 专属的 AI 用例，帮助他们为客户会议做好准备。应用团队每天都在使用 Haink，这个在内部使用我们自己技术的过程（通常被称为“吃自己的狗粮”），在推动 Redis 自身实时软件平台进步的同时，也展示了 Haink 的持续演进。作为一个辅助性的团队成员，使得 Haink 的能力更强，与某些应用场景的关联性也更高。
博客
艾体宝干货 | 【Redis实用技巧#7】持久化的代价
12-23 819
乍一看，Redis 的持久化似乎只是一个“附加功能”，真正的价值在于内存性能。Redis 的 RDB 持久化与操作系统的fork、虚拟内存、Copy-on-Write紧密配合；这是一个在性能、一致性与资源消耗之间高度权衡的设计；但它并不适用于所有工作负载。没有完美的方案，只有最适合当前场景的选择。理解底层原理，才能在面对内存翻倍、快照卡顿、OOM 风险时，做出正确的架构和配置决策。持续探索，持续提问。
博客
艾体宝产品 | 使用lepide简化 Active Directory 报告：提高安全性与合规性
12-18 911
Active Directory（AD）的报告通常面临复杂性和繁琐的手动处理问题，尤其在敏感数据的安全和合规要求上。本文将深入探讨常见的 AD 报告难点，介绍如何利用 Lepide 简化报告过程，提升报告的准确性和时效性，确保企业能够高效应对安全审计、权限管理和合规性挑战。Active Directory 的报告工作不必再令人望而生畏。通过将手动日志审查转化为自动化、情境化的报告流程，您不仅可以提升安全水位、简化合规工作，还能为管理员节省宝贵时间。准备好开启更轻松、更清晰的 AD 报告体验了吗？
博客
艾宝体案例 | 多模型数据架构下的电商用户画像实践：ArangoDB的应用价值
12-18 640
在竞争愈发激烈的电商环境中，高质量的用户画像已成为平台精细化运营的重要基础。ArangoDB通过文档、图与向量等多模型的一体化支持，为用户数据的统一管理与关联分析提供了可靠的数据底座，支撑上层画像计算、推荐算法与业务规则的高效运行。通过降低数据割裂与跨系统计算复杂度，ArangoDB帮助电商平台更灵活地构建和演进用户画像体系，为精准推荐、个性化营销和用户服务优化提供长期可持续的数据支撑。
博客
艾体宝产品 | 破解社交关系密码：ArangoDB如何高效支撑关系网络分析？
12-18 805
在社交业务竞争日益激烈的今天，谁能更精准地洞察用户关系、更高效地挖掘数据价值，谁就能在竞争中占据主动。ArangoDB以其对社交关系网络的深度适配能力，为平台提供了从数据存储到分析应用的全链路解决方案。无论是用户分层运营、KOL挖掘，还是风险管控，ArangoDB都在以扎实的技术能力，帮助社交平台破解关系网络分析的难题，释放数据的核心价值。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值