JMeter的使用,傻瓜式学习【上】
目录
前言
1、JMeter元件及基本使用作用域(简述)
1.1、基本元件
1.2、作用域的原则
1.3、元件执行顺序
3、JMeter三个重要组件
3.1、线程组
案例:
3.2、HTTP请求
3.3、查看结果树
响应体中,中文乱码解决方案:
前言
没有安装的伙伴,可以先看看,这篇博客:http://t.csdnimg.cn/eYMDr
1、JMeter元件及基本使用作用域(简述)
1.1、基本元件
基本元件有哪些?
我们进入后JMeter后,可以看到如下页面:

我们选中测试计划这个这一栏,可以进行重命名,不过重点不在这里,是我们要知道哪些是JMeter的原件,我们选中测试计划这一栏,右键选择添加一个线程组:

右键选择添加一个线程组:

下面的红框中,也是JMeter的元件~

各个元件的简单理解:
- Sampler:取样器。就是发送什么请求,例如http请求等,调用get、post方法发送请求
- 逻辑控制器:例如包含一些逻辑运算等
- 前置处理器:对请求参数化进行复制
- 后置处理器:提取响应中特定字段的值
- 断言:对提取出来的值与预期结果进行对比
- 定时器:例如控制循环发送请求的时间
- 配置元件:进行初始化测试数据
- 监听器:在控制台查看脚本运行的结果
看完上述的说明,可能还是有些懵,没关系,下面我们来一起继续学习,带着大家做一些案例,就会明白啦~
元件与组件有什么关系?
- 元件:多个类似功能组件的容器,可以当做是一个类
- 组件:容器中实现独立的某个功能,可以看做是一个方法
- 类中可以有多个方法
所以我们可以看到:

1.2、作用域的原则
- 取样器:核心,没有作用域
- 逻辑控制器:只对其子节点中的取样器和逻辑控制器起作用
- 其他元件:如果是某个取样器的子节点,则该元件只对其父节点起作用;如果其父节点不是取样器,则其作用域是该元件父节点下的其他节点所有后代节点(包括子节点、子节点的子节点等)
这里的第三点,我们就可以理解为,如果你是一个其他元件,而你的爸爸是取样器,那么你就可以管着你爸;如果说你爸爸不是取样器,那么你就可以管着你的新兄弟姐妹,以及你的兄弟姐妹的后代
1.3、元件执行顺序
在同一个作用域下(怎么看他们在在不在同一个作用域:同目录/级别/缩进)的不同元件的执行顺序:配置元件-前置处理程序-定时器-取样器-后置处理程序-断言-监听器
在同一个作用域的相同元件的执行顺序:从上到下一次执行
案例:

上述的执行顺序?
正解:定时器1- 请求 - 定时器1 - 定时器2 - 请求2
3、JMeter三个重要组件
3.1、线程组
什么是线程组?
JMeter中的线程组就是用于执行测试的一组用户

而这里的线程数,也就是我们所模拟的用户个数~
线程组的分类:

- Setup线程组:预测试操作,所有脚本之前执行
- Teardown线程组:测试后 操作,所有脚本之后执行
- 普通线程组:执行测试用例,可以有1个或者多个(并行 / 串行)
线程组的属性说明:

思考,以下场景:
- 模拟10个用户并行执行
- 模拟10个用户5s内启动完成
- 模拟2个用户各循环3次
- 模拟2个用户运行30s
- 模拟2个用户等待10s后开始执行
这些,场景都可以设置出来,就算是理解了这一块~
案例:
以下有两个场景:
- 配置200个线程数,循环次数为300
- 配置300个线程数,循环次数为200
实操:
访问百度为例:
添加以下组件:

添加位置:
- 线程组:选中测试计划 -

- http请求:选中线程组 -

- 察看结果树:选中测试计划 -

线程组1的设置:
就不用200、300了,运行时间有点长,我们使用20、30:
请求1的设置:

线程组2的设置:

请求2的设置:

运行所有:
运行指定的线程组:
运行线程组,运行时间:

点击察看结果树,可看到结果:

点击这里,可清空查看结果树中的数据:

分析这两个的区别:
- 线程数代表虚拟用户数,用户数越多,负载越大【例如,多个用户给服务器的压力比一个用户给的压力要大吧】
- 循环次数代表总的运行时间,次数越多,运行时间越长【运行多次的时间要比运行一次的时间长吧】
3.2、HTTP请求
该组件的作用:
向服务器发送http及https请求
位置:
上述的案例中已经说了:选中线程组-右键-添加-取样器-http请求
参数说明:

3.3、查看结果树

上述,翻译成中文,想必大家都能理解,就不解释了,下面我们主要来说一下,如何处理,响应体中,中文乱码的问题:
响应体中,中文乱码解决方案:
JMeter的安装路径下,找到bin目录---打开jmeter.properties文件,修改配置:
修改前:

修改后:

重启JMeter就可以啦~~~
相关文章:
JMeter的使用,傻瓜式学习【上】
目录 前言 1、JMeter元件及基本使用作用域(简述) 1.1、基本元件 1.2、作用域的原则 1.3、元件执行顺序 3、JMeter三个重要组件 3.1、线程组 案例: 3.2、HTTP请求 3.3、查看结果树 响应体中,中文乱码解决方案࿱…...
主定理(一般式)
主定理(Master Theorem)是用于分析递归算法时间复杂度的一个重要工具。它适用于形式化定义的一类递归关系,通常采用分治策略解决问题的情况。 目录 主定理简化版的局限主定理一般形式情况1: n l o g b a n^{log_{b}{a}} nlogba …...
WLAN的组网架构和工作原理
目录 WLAN的组网架构 FAT AP架构 AC FIT AP架构 敏捷分布式AP 下一代园区网络:智简园区(大中型园区网络) WLAN工作原理 WLAN工作流程 1.AP上线 (1)AP获取IP地址; (2)AP发…...
使用OBS Browser+访问华为云OBS存储【Windows】
背景 项目中使用华为云 S3 存储,java 代码中通过华为云 OBS 提供的esdk-obs-java 来访问文件。 但是,通过 JAVA SDK 方式不太方便运维,所以我们需要一款可视化的客户端软件。 华为云 OBS 自身也提供了一款客户端软件,名为 OBS Browser+。 OBS Browser+简介 OBS Browse…...
C++总结(3):类的动态内存分配、异常、类型转换运算符
文章目录 1 类的动态内存分配1.1 C动态内存分配1.2 拷贝构造函数1.3 赋值运算符(operator)重载 2 异常3 类型转换运算符 1 类的动态内存分配 1.1 C动态内存分配 在C/C中都可以使用malloc/free来分配内存,但C还有一种更好的方法:new和delete。下面以动态…...
折半搜索(meet in the middle)
介绍 折半搜索,又称 meet in the middle \text{meet in the middle} meet in the middle,指将整个搜索过程分为两部分,并对两部分分别进行搜索,最后得到两个答案序列,将这两个答案序列进行合并,即可得到最…...
【机器学习】loss损失讨论
大纲 验证集loss上升,准确率也上升(即将overfitting?)训练集loss一定为要为0吗 Q1. 验证集loss上升,准确率也上升 随着置信度的增加,一小部分点的预测结果是错误的(log lik 给出了指数级的惩…...
LeetCode 779. 第K个语法符号【递归,找规律,位运算】中等
本文属于「征服LeetCode」系列文章之一,这一系列正式开始于2021/08/12。由于LeetCode上部分题目有锁,本系列将至少持续到刷完所有无锁题之日为止;由于LeetCode还在不断地创建新题,本系列的终止日期可能是永远。在这一系列刷题文章…...
java try throw exception finally 遇上 return break continue造成异常丢失
如下所示,是一个java笔试题,考察的是抛出异常之后,程序运行结果,但是这里抛出异常,并没有捕获异常,而是通过finally来进行了流程控制处理。 package com.xxx.test;public class ExceptionFlow {public sta…...
设计模式——装饰器模式(Decorator Pattern)+ Spring相关源码
文章目录 一、装饰器模式的定义二、个人理解举个抽象的例(可能并不是很贴切) 三、例子1、菜鸟教程例子1.1、定义对象1.2、定义装饰器 3、JDK源码 ——包装类4、JDK源码 —— IO、OutputStreamWriter5、Spring源码 —— BeanWrapperImpl5、SpringMVC源码 …...
MATLAB R2018b详细安装教程(附资源)
云盘链接: pan.baidu.com/s/1SsfNtlG96umfXdhaEOPT1g 提取码:1024 大小:11.77GB 安装环境:Win10/Win8/Win7 安装步骤: 1.鼠标右击【R2018b(64bit)】压缩包选择【解压到 R2018b(64bit)】 2.打开解压后的文件夹中的…...
GEE错误——影像加载过程中出现的图层无法展示的解决方案
问题: // I dont know if some standard value exists for the radius, in the same, I will assume that some software would prefer to use square shape, but circle makes more sense to me. // pixels is noice if you want to zoom in and out to visualize…...
读图数据库实战笔记03_遍历
1. Gremlin Server只将数据存储在内存中 1.1. 如果停止Gremlin Server,将丢失数据库里的所有数据 2. 概念 2.1. 遍历(动词) 2.1.1. 当在图数据库中导航时,从顶点到边或从边到顶点的移动过程 2.1.2. 类似于在关系数据库中的查…...
QT如何检测当前系统是是Windows还是Uninx或Mac?以及是哪个版本?
简介 通过Qt获取当前系统及版本号,需要用到QSysInfo。 QSysInfo类提供有关系统的信息。 WordSize指定了应用程序编译所在的平台的指针大小。 ByteOrder指定了平台是大端序还是小端序。 某些常量仅在特定的平台上定义。您可以使用预处理器符号Q_OS_WIN和Q_OS_MACOS来…...
Maven配置阿里云中央仓库settings.xml
Maven配置阿里云settings.xml 前言一、阿里云settings.xml二、使用步骤1.任意目录创建settings.xml2.使用阿里云仓库 总结 前言 国内网络从maven中央仓库下载文件通常是比较慢的,所以建议配置阿里云代理镜像以提高jar包下载速度,IDEA中我们需要配置自己…...
由浅入深C系列八:如何高效使用和处理Json格式的数据
如何高效使用和处理JSON格式的数据 问题引入关于CJSON示例代码头文件引用处理数据 问题引入 最近的项目在用c处理后台的数据时,因为好多外部接口都在使用Json格式作为返回的数据结构和数据描述,如何在c中高效使用和处理Json格式的数据就成为了必须要解决…...
多媒体应用设计师 第16章 多媒体应用系统的设计和实现示例
口诀 思维导图 2020...
golang平滑重启库overseer实现原理
overseer主要完成了三部分功能: 1、连接的无损关闭,2、连接的平滑重启,3、文件变更的自动重启。 下面依次讲一下: 一、连接的无损关闭 golang官方的net包是不支持连接的无损关闭的,当主监听协程退出时,…...
用Python定义一个函数,用递归的方式模拟汉诺塔问题
【任务需求】 定义一个函数,用递归的方式模拟汉诺塔问题,三个柱子,分别为A、B、C,其中A柱子上有N个盘子,从小到大编号为1到N,盘子大小不同。现在要将这N个盘子从A柱子移动到C柱子上,但移动的过…...
二手的需求
案例1030 某天项目经理小王,从用户现场带回了需求,以图形的方式,交给了产品经理。告诉他就照这样设计,结果是项目经理放弃让产品经理出效果图。 原因是产品经理觉得项目经理带回来的需求有问题。项目经理解释产品经理不接受&…...
基于树莓派与开源硬件的虾类养殖水质监控系统设计与实践
1. 项目概述:一个开源的虾类养殖监控系统最近在翻看GitHub上的开源项目,偶然发现了一个挺有意思的仓库,叫“openshrimp”。光看名字,你可能会觉得这是个跟海鲜或者生物相关的项目,但实际上,它是一个面向水产…...
全球首款量产载人变形机甲,硬核科技颠覆出行想象
全球首款量产版载人变形机甲!2026 年 5 月 12 日,中国宇树科技正式发布 GD01,既能载人操控、又能双足 / 四足快速变形,定位民用交通工具,载人后总重约 500kg,直接拉满硬核科技期待感!一、GD01 核…...
物联网隐私工程:从数据生命周期到安全设计实践
1. 物联网隐私困境:一个被误解的工程问题每次和同行聊起物联网项目,大家最头疼的往往是协议选型、功耗优化或者成本控制。至于隐私?那通常是产品经理或者法务部门在项目后期才想起来要填的“合规表格”。我自己在早期做智能家居网关时也犯过同…...
如何用开源视频字幕工具VideoSrt在3分钟内完成专业字幕制作
如何用开源视频字幕工具VideoSrt在3分钟内完成专业字幕制作 【免费下载链接】video-srt-windows 这是一个可以识别视频语音自动生成字幕SRT文件的开源 Windows-GUI 软件工具。 项目地址: https://gitcode.com/gh_mirrors/vi/video-srt-windows 你是否还在为视频字幕制作…...
爱搜索 GEO 营销系统实效展示与能力验证
在当前的数字营销环境中,许多企业发现传统的 SEO 手段在应对 AI 驱动的搜索场景时显得力不从心。当潜在客户向大模型提问“哪家装修公司更靠谱”或“推荐几家铝板输送机厂家”时,如果品牌未能出现在 AI 生成的答案中,就意味着失去了最精准的流…...
一滴血预警眼底病变!NFL 全程评估糖尿病视网膜病变
核心结论:本研究通过眼内液与血浆多组学联合分析,证实神经丝轻链(NFL)是可通过血浆微创检测、覆盖糖尿病视网膜病变全病程的保守生物标志物,能有效预测发病及糖尿病血管并发症风险。一、研究概况该研究发表于糖尿病领域…...
从DenseNet到特征复用:揭秘密集连接如何重塑卷积网络
1. 密集连接:卷积网络的第三次进化 记得我第一次跑图像分类任务时,用的还是传统的VGG网络。那时候为了提升准确率,只能不断堆叠卷积层,结果模型体积像吹气球一样膨胀到500MB。直到2017年遇到DenseNet,才发现原来只需要…...
Java 注解底层原理、组合注解实现与 AOP 协同机制全解析
Java 注解底层原理与 AOP 协同工作机制 系统性总结 本文严格基于 Java 注解底层原理及 AOP 结合使用的核心技术论述,对知识点进行系统性梳理、重组与优化。全文遵循元注解构建组合注解 → 注解编译与运行底层机制 → 注解AOP 协同工作原理 → 实战问题与解决方案的逻…...
AI智能体协同框架agentsync:事件驱动与状态同步实战解析
1. 项目概述与核心价值最近在探索AI智能体(Agent)的协同工作流时,我遇到了一个非常有意思的项目:obielin/agentsync。乍一看这个名字,你可能会联想到“代理同步”,但它的内涵远不止于此。简单来说ÿ…...
解锁HexView自动化:Bat脚本驱动S19/HEX文件处理实战
1. 为什么需要自动化处理S19/HEX文件 在汽车电子开发领域,我们经常需要处理各种固件文件,比如S19、HEX等格式。这些文件包含了嵌入式系统的机器代码,是软件最终要烧录到芯片中的形态。每次软件更新时,开发人员都要对这些文件进行一…...
