博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Jmeter----续集
阅读量:2144 次
发布时间:2019-04-30

本文共 1405 字,大约阅读时间需要 4 分钟。

文章目录


一、Jmeter函数助手(文件中不要出现中文)

1、点击 选项–>函数助手 调出函数助手对话框

2、选择 _CSVRead 函数(下图第一个框)
3、函数参数:
1)第一个参数:填写文件路径。
2)第二个参数:文件列号是从0开始的,第一列0、第二列1、第三列2、依次类推,然后点击【生成】按
钮,则会自动生成我们需要的参数化函数。
3) 复制生成的参数化函数, copy过程需要使用的地方即可。
4) _Random函数是从某数据段随机读取数据替换参数,当需要添加多条数据记录且某些字段需要唯
一性时使用。
在这里插入图片描述

二、正则表达式

在这里插入图片描述

在这里插入图片描述

三、Jmeter数据库压力测试

1.先配置jdbc(数据库连接)驱动

1.启动jmeter,打开界面工具,添加一个线程组,添加驱动

2.添加添加一个JDBC Connection Configuration,连接池配置文件。右键线程组【添加】–【配置元件】-
-【JDBC Connection Configuration】
在这里插入图片描述
在这里插入图片描述
Variable Name:连接池名称。JDBC Request会通过此名称来获取连接池的配置,名称可以随意填写,但
是最好具体实际的业务意义,方便理解和记忆。
其他的可以默认,可以根据实际情况来调节优化性能。
Database URL:数据链接url,格式:jdbc:mysql://localhost:3306/host
注释:数据库的ip地址+端口/数据库名(查询数据库端口号show global variables like ‘port’)
jdbc:mysql://127.0.0.1:3306/mydb2?serverTimezone=UTC& allowMultiQueries=true
JDBC Driver Class:驱动器名称。固定:com.mysql.jdbc.Driver
Username:用户名
Passowrd:密码
添加一个JDBC Request。

3、右键线程组【添加】-【Sampler】-【JDBC Request】

在这里插入图片描述
Select Statement:查询语句
只能执行查询语句select,执行第一条sql语句,而且第一条必须是select语句,否则报错。

在这里插入图片描述

Updata Statement:更新语句

支持测试非select语句,并且支持测试多条,若其中夹杂select语句,自动忽略,若第一条语句为select
语句,报错
Callable Statement:所有语句
只要语法正确,任何语句,再多的条数都能支持
Prepared Select Statement:预编译查询语句。(长时间执行效率更高,支持占位符)
Prepared Update Statement:预编译更新语句。(同上)
Commit (立即提交)Rollback(回滚)

在这里插入图片描述

Parameter values:参数值。参数化sql语句中的值
Paramter types:参数类型。数据库的参数你可以去查看一下。这里是varchar类型。
Variable names:变量名字,也就是将筛选出来的值放在变量里面。例如这三列数据分为放在变量:A,B,C
中(实际操作中命名一定要有实际意义)。
Result variable name:存储变量名。将整个结果存储在变量中。取名:rs
Query timeouts :超时时间。

转载地址:http://yehgf.baihongyu.com/

你可能感兴趣的文章
CART 分类与回归树
查看>>
seq2seq 的 keras 实现
查看>>
seq2seq 入门
查看>>
什么是 Dropout
查看>>
用 LSTM 做时间序列预测的一个小例子
查看>>
用 LSTM 来做一个分类小问题
查看>>
详解 LSTM
查看>>
按时间轴简述九大卷积神经网络
查看>>
详解循环神经网络(Recurrent Neural Network)
查看>>
为什么要用交叉验证
查看>>
用学习曲线 learning curve 来判别过拟合问题
查看>>
用验证曲线 validation curve 选择超参数
查看>>
用 Grid Search 对 SVM 进行调参
查看>>
用 Pipeline 将训练集参数重复应用到测试集
查看>>
PCA 的数学原理和可视化效果
查看>>
机器学习中常用评估指标汇总
查看>>
什么是 ROC AUC
查看>>
Bagging 简述
查看>>
详解 Stacking 的 python 实现
查看>>
简述极大似然估计
查看>>