Jmeter---自定义函数function

简介: Jmeter对比LoadRunner,在场景设置上的不同,包括但不限于: LoadRunner以脚本被分配的用户数,设置事务占总场景的百分比。 Jmeter以线程数的大小,设置事务占总场景的百分比。

Jmeter对比LoadRunner,在场景设置上的不同,包括但不限于:

  1. LoadRunner以脚本被分配的用户数,设置事务占总场景的百分比。
  2. Jmeter以线程数的大小,设置事务占总场景的百分比。
  3. Jmeter很好的支持同一线程组下使用不同协议的请求。
  4. LoadRunner需要以多协议脚本的方法实现不同协议的请求。

对于平常性能测试,这些不同点不会造成太大的问题。
但对于特定需求来说,以上两种工具使用都不太方便,比如:

  1. 若每个线程组下拥有一个事务,因每个线程组至少分配一个线程,所以每个事务的占比>=1/总线程数。有时需要比这更小的占比。
  2. 若给定并发数(线程数),可能出现部分事务无法分配占比的情况。
  3. 当事务数多达30以上时,维护成本较高。

综上两点,我们需要一个测试工具,它可以实现:

  1. 可对场景指定任意并发数
  2. 精准控制事务占比
  3. 快捷维护上述两点。

思路构想:

  • 使用文件维护各事务占比。
  • 以上述文件占比总和为上限,使用均匀分布的概率,生成随机数。
  • 根据生成的随机数,选取对应的事务,发起请求。

Jmeter初期实现:

  • 使用Java Properties文件维护占比
//out.Properties
trans1=10.00
trnas2=20.00
trnas3=40.50
trnas4=29.50
  • 使用Java Request实现均匀分布选取。
  • Jmeter界面长这样
    Annotation_2019_03_07_215318

上述实现初步实现我们的思路,但存在以下缺点:

  1. Jmeter报告统计及原始的jtl结果收集文件里,均包含Java Request事务,不便于获取场景的总TPS。
  2. out.Properties文件仍以百分比维护,一是精确度不高;二是需要做额外的工作,将统计/预测出来的交易数划算为百分比的形式。

Jmeter改进实现:

  • 以Function的形式代替Java Request,规避多余的请求数。
  • 更改out.Properties文件,以整数大小形式说明各事务占比。

更改后界面长这样:
Annotation_2019_03_07_215318

out.Properties可直接维护交易数或占比:

//out.Properties
trans1=1005
trnas2=2009
trnas3=4050
trnas4=2950

自定义的函数实现:

这里有小小的碎碎念,鄱Jmeter源码时,走错了方向,作了很多无用功,却熟悉了Jmeter nonGUI&nonRemote模式下基本的工作机制,心疼下自己0.0

函数功能说明:

  • 参数1:指定场景文件,即Properties文件的路径。
  • 参数2:boolean值,可选,当为true时,每次调用时使用新的随机数种子。
  • 参数3: 函数返回结果赋于新的变量名,可选。
  • 备注:当该函数第一次调用时,函数执行初始化(1.读取Properties;2.映射事务名与随机数的关系。)
    映射关系:
trans1 trans2 trans3 trans4
0~1005 1006~3014 3015~7064 7065~10014

备注:3014 = trans2+trans1 = 1005+1006。7064和10014类推。


Java代码实现Function

package org.apache.jmeter.functions;

import java.util.Collection;
import java.util.LinkedList;
import java.util.List;

import org.apache.jmeter.engine.util.CompoundVariable;
import org.apache.jmeter.samplers.SampleResult;
import org.apache.jmeter.samplers.Sampler;
import org.apache.jmeter.util.JMeterUtils;

import java.util.TreeMap;
import java.util.Properties;
import java.io.FileNotFoundException;
import java.io.FileInputStream;
import java.io.IOException;
import java.util.Set;
import java.util.Map;
import java.time.Instant;
import java.util.Random;


public class TransactionSwitch extends AbstractFunction{

    private static final List<String> desc = new LinkedList<>();

    private static final String KEY = "__TransactionSwitch"; //$NON-NLS-1$

    static {
        desc.add("PropertiesFileName");
        desc.add("hasRandomSeedVariation(optional)");
        desc.add(JMeterUtils.getResString("function_name_paropt"));
    }

    private Object[] values;

    private Random random = new Random();
    private static int bound ;
    private static TreeMap<Integer,String> map = new TreeMap<>((x,y)->( x==y?0:(x>y?1:0)));
    private static Boolean firstCall = true;

    /**
     * No-arg constructor.
     */
    public TransactionSwitch() {
        firstCall = true;
        map.clear();
    }

    /** {@inheritDoc} */
    @Override
    public String execute(SampleResult previousResult, Sampler currentSampler)
            throws InvalidVariableException {
        if (firstCall){
            init(((CompoundVariable)values[0]).execute().trim());
        }

        if(Boolean.valueOf(((CompoundVariable)values[1]).execute().trim())) {
            random.setSeed(Instant.now().toEpochMilli());
        }

        int nextInt = random.nextInt(bound);
        Map.Entry<Integer,String> entry = map.entrySet().stream().filter(s->
            s.getKey() >= nextInt
        ).limit(1).findFirst().get();

        return entry.getValue();
    }

    private synchronized void init(String configFile){
        Properties prop = new Properties();
        try (var in = new FileInputStream(configFile)){
            prop.load(in);
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }

        bound = 0;
        Set<String> set = prop.stringPropertyNames();
        set.stream().distinct().forEach(s -> {
            int a = Integer.parseInt(prop.getProperty(s).trim());
            bound += a;
            map.put(bound, s.trim());
        });

        bound++;
        firstCall = false;
    }

    /** {@inheritDoc} */
    @Override
    public void setParameters(Collection<CompoundVariable> parameters) throws InvalidVariableException {
        checkMinParameterCount(parameters,2);
        values = parameters.toArray();
    }

    /** {@inheritDoc} */
    @Override
    public String getReferenceKey() {
        return KEY;
    }

    /** {@inheritDoc} */
    @Override
    public List<String> getArgumentDesc() {
        return desc;
    }

}

编译并打包上述代码,放于JMETER_HOME/lib/ext目录下,重启jmeter,可以Jmeter的function helper看到:

_

事后验证

  1. 经测试数据分析与验证,调用该函数不影响负载机性能。
  2. 若某一事务占比较小(比如万分之几),运行2~3min即可覆盖到所在事务。

感谢阅读~

目录
相关文章
|
6月前
|
SQL 分布式计算 DataWorks
DataWorks产品使用合集之在 DataWorks 中的 ODPS UDF(User-Defined Function,用户自定义函数)中,支持不定长参数如何解决
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
72 0
|
数据安全/隐私保护
零基础VB教程032期:sub过程与function自定义函数的异同专题精讲
零基础VB教程032期:sub过程与function自定义函数的异同专题精讲
|
算法 前端开发 JavaScript
使用Java来实现JMeter自定义函数助手
使用Java来实现JMeter自定义函数助手
135 0
使用Java来实现JMeter自定义函数助手
EMQ
|
安全 IDE Java
JMeter扩展开发:自定义函数
本文介绍了如何利用JMeter的扩展性来实现自定义的函数,用户可以通过此方式扩展出性能测试过程中所需要的函数功能。
EMQ
116 0
JMeter扩展开发:自定义函数
|
关系型数据库 MySQL 数据库
MySQL数据库(30):内置函数和自定义函数 function
MySQL数据库(30):内置函数和自定义函数 function
160 0
MySQL数据库(30):内置函数和自定义函数 function
|
SQL Go 数据库
SQL Server 自定义函数(Function)——参数默认值
原文:SQL Server 自定义函数(Function)——参数默认值 sql server 自定义函数分为三种类型:标量函数(Scalar Function)、内嵌表值函数(Inline Function)、多声明表值函数(Multi-Statement Function) 标量函数:标量函数是对单一值操作,返回单一值。
1931 0
|
1月前
|
测试技术 持续交付 Apache
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
【10月更文挑战第1天】Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
130 3
|
2月前
|
测试技术 数据库 UED
Python 性能测试进阶之路:JMeter 与 Locust 的强强联合,解锁性能极限
【9月更文挑战第9天】在数字化时代,确保软件系统在高并发场景下的稳定性至关重要。Python 为此提供了丰富的性能测试工具,如 JMeter 和 Locust。JMeter 可模拟复杂请求场景,而 Locust 则能更灵活地模拟真实用户行为。结合两者优势,可全面评估系统性能并优化瓶颈。例如,在电商网站促销期间,通过 JMeter 模拟大量登录请求并用 Locust 模拟用户浏览和购物行为,可有效识别并解决性能问题,从而提升系统稳定性和用户体验。这种组合为性能测试开辟了新道路,助力应对复杂挑战。
108 2
|
13天前
|
测试技术 持续交付 Apache
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
39 3
|
12天前
|
缓存 测试技术 Apache
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
28 1