Jmeter 测试结果分析之聚合报告简介

简介: Jmeter 测试结果分析之聚合报告简介

Jmeter测试结果分析之聚合报告简介


聚合报告(aggregate report)

对于每个请求,它统计响应信息并提供请求数,平均值,最大,最小值,错误率,大约吞吐量(以请求数/秒为单位)和以kb/秒为单位的吞吐量.

 

吞吐量是以取样目标点的视角来统计的(例如:HTTP请求样例中设置的远程服务器). JMeter会把已生成请求的总响应时间考虑在内,所以,如果相同线程组中有其它取样器或定时器,将增加总时间,进而减少吞吐量的值。因此,两个仅名称不同的取样器,其吞吐量为该两个取样器吞吐量总和的一半。正确的选择取样器名字对于重聚合报告中获取最佳的结果来说很重要。

 

个人理解:不管是否有其它取样器还是定时器,这里主要是基于时间和请求数的计算,吞吐量=请求数/总时间,拿定时器来说,它具有线程延迟功能,不增加请求数的情况下,增大总时间,自然吞吐量就减少了。

 

这笔者做了个实验,每次运行一次,每次手动运行,且每次运行前不清空结果,运行测试,查看聚合报告显示。因为手动运行,每两次运行期间,都有空闲期,在这段空闲期有时候还比较长,几分钟到几十分钟不等。

 

结果发现,聚合报告是累加的,即每次运行的结果统计都是基于前一次运行的结果进行统计,包括发起的请求样本数等都是叠加的,比如我11:00运行一次,发起10个请求,11:20运行一次,发起10个请求,这时聚合报告显示请求数为20个,而此时的吞吐量和第一次运行相差甚远,个人猜测它把11001120期间非运行状态的时间也算进去了。所以,总时间大大增加。

 

不勾选标签中不包含名称(include group name in label复选框

 

 



注意:使用聚合报告时,测试计划中不要用相同的的请求取样器名称

 

表头说明:

Label -如图,在不勾选"Include group name in label?"复选框的情况下,为请求取样器的名称,否则为请求取样器所在线程组:请求取样器名称”,如下

 

 



# Samples -用同一个请求取样器,发送请求的数量(注意:该值是不断累计的)。比如,10个线程数设置为10,迭代10次,那么每运行一次测试,该值就增加10*10=100

 

Average -默认情况下是单个Request的平均响应时间,当使用了Transaction Controller时,也可以以Transaction为单位显示平均响应时间

 

Median -中位数。表示响应时间本不大于该时间值的请求样本数占总数的50%

 

90% Line -表示响应时间不大于该时间值的请求样本数占总数的90%

Min -针对同一请求取样器,请求样本的最小响应时间

 

Max -针对同一请求取样器,请求样本的最大响应时间

 

Error % -出现错误的请求样本的百分比

 

Throughput -吞吐量以“requests/secondrequests /minuterequests /hour”来衡量。时间单位已经被选取为second,所以,显示速率至少是1.0,即每秒1个请求。当吞吐量被保存到CVS文件时,采用的是requests/second,所以30.0 requests/secondCVS中被保存为0.5

 

Kb/sec -Kilobytes/seond来衡量的吞吐量

 

注意:

1.无特别说明,以上时间的单位均为ms

2.请求响应时间指的是从client端发出请求到得到响应的整个时间

 

http://jmeter.apache.org/usermanual/component_reference.html#Aggregate_Report

 

目录
相关文章
|
3月前
|
缓存 监控 算法
软件测试中的性能瓶颈分析与优化策略
【10月更文挑战第6天】 性能测试是确保软件系统在高负载条件下稳定运行的重要手段。本文将深入探讨性能测试的常见瓶颈,包括硬件资源、网络延迟和代码效率等问题。通过具体案例分析,我们将展示如何识别并解决这些问题,从而提升软件的整体性能。最后,文章还将分享一些实用的性能优化技巧,帮助读者在日常开发和测试中更好地应对性能挑战。
137 3
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
MarS:微软开源金融市场模拟预测引擎,支持策略测试、风险管理和市场分析
MarS 是微软亚洲研究院推出的金融市场模拟预测引擎,基于生成型基础模型 LMM,支持无风险环境下的交易策略测试、风险管理和市场分析。
35 8
MarS:微软开源金融市场模拟预测引擎,支持策略测试、风险管理和市场分析
|
11天前
|
开发框架 .NET Java
C#集合数据去重的5种方式及其性能对比测试分析
C#集合数据去重的5种方式及其性能对比测试分析
29 11
|
12天前
|
开发框架 .NET Java
C#集合数据去重的5种方式及其性能对比测试分析
C#集合数据去重的5种方式及其性能对比测试分析
41 10
|
2月前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
71 1
|
2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🧐
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
111 3
|
2月前
|
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💡
70 1
|
3月前
|
缓存 监控 测试技术
软件测试中的性能瓶颈分析与优化策略
本文深入探讨了在软件测试过程中,如何有效地识别和解决性能瓶颈问题。通过对性能瓶颈的定义、分类以及常见原因的分析,结合实际案例,提出了一系列针对性的优化策略和方法。这些策略旨在帮助测试人员和开发人员提高软件的性能表现,确保软件在高负载条件下依然能够稳定运行。
|
3月前
|
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💡
【10月更文挑战第1天】告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
97 4
|
3月前
|
分布式计算 Hadoop Unix
Hadoop-28 ZooKeeper集群 ZNode简介概念和测试 数据结构与监听机制 持久性节点 持久顺序节点 事务ID Watcher机制
Hadoop-28 ZooKeeper集群 ZNode简介概念和测试 数据结构与监听机制 持久性节点 持久顺序节点 事务ID Watcher机制
58 1
下一篇
开通oss服务