性能测试 CentOS下结合InfluxDB及Grafana图表实时展示JMeter相关性能数据2

本文涉及的产品
可观测可视化 Grafana 版,10个用户账号 1个月
简介: 性能测试 CentOS下结合InfluxDB及Grafana图表实时展示JMeter相关性能数据2

或者

sudo /bin/systemctl daemon-reload

sudo /bin/systemctl enable grafana-server.service

 

 

注意:安装grafana时不要指定安装路径,按默认的就好

 

浏览器输入网址:10.203.25.106:3000访问看看效果: 

 

 

输入账号admin 密码admin登录

 

 

 

参考链接:https://blog.csdn.net/wudufeng/article/details/78567866

 

配置grafana图表数据源

 

打开页面中按如方式填写

 

 

说明

Name 数据源名称,自定义

Type  设置为InfluxDB

URL   设置influxDB服务器地址和端口(这里的8086influxdb配置文件,[http]节点下配置的 bind-address  

 

Database 设置为在influxdb配置中,[[graphite]]节点下配置的database值,这样grafana就可以从这个数据库读取相关表相关数据了

 

User  Password 可以不填写,因为设置授权认证

 

最后点击Save&Test按钮,如果成功则可看到上述Data source working的提示

 

[http]

 # Determines whether HTTP endpoint is enabled.

 enabled = true

 

 # The bind address used by the HTTP service.

 bind-address = ":8086"  

 

JMeter Backend Listener监听器配置

右键测试计划、线程组 -> 添加->监听器-> Backend Listener

 

 

 

如下,修改graphiteHostinfluxdb服务器所在地址,设置influxdb 配置文件中[[graphite]]节点下,配置的bind-address 值,设置rootMetricsPrefix为配置的database值,其它暂且默认即可

 

也可以设置summaryOnlyfalse,并在samplerList中填写sampler元素名称(多个元素之间用逗号分隔),如下(JMeter 2.13

 

 

这样就可以统计单个sampler的相关信息了

 

samplersList也支持正则表达式,具体操作如下:

1.summanyOnly”修改成False

2.将“userRegexpForSamplersList”修改成True

3. 设置“samplersList”的值为匹配目标sampler的正则表达式

 

参考链接:

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

 

 

运行jmeter

 

新建grafana图表

 

图表配置并查看效果

 

jmeter measurement说明

 

 

线程/虚拟用户指标

test.minAT

最小活动线程数

 

test.maxAT

最大活动线程数

 

test.meanAT

平均活动线程数

 

test.startedT

已启动线程数

 

test.endedT

已完成线程数

 

响应时间指标

.ok.count

统计指定sampler的响应成功的响应数

 

注:samplerName指定了要统计的sampler,如果为all则表示针对所有all sampler的统计

 

.h.count

统计指定sampler的服务器每秒点击数,会累计sample结果及子sample结果(如果使用了事务控制器,必须取消勾选Generate parent sampler选项)

 

.ok.min

统计指定sampler响应成功的最小响应时间

 

.ok.max

统计指定sampler响应成功的最大响应时间

 

.ok.avg

统计指定sampler响应成功的平均响应时间

 

.ok.pct

统计指定sampler响应成功的百分比

 

.ko.count

统计指定sampler响应失败数

 

.ko.min

统计指定sampler响应失败的最小响应时间

 

.ko.max

统计指定sampler响应失败的最大响应时间

 

.ko.avg

统计指定sampler响应失败的平均响应时间

 

.ko.pct

统计指定sampler响应失败的百分比

 

.a.count

统计指定sampler请求数

 

.a.min

统计指定sampler请求的最小响应时间

 

.a.max

统计指定sampler的最大响应时间

 

.a.avg

统计指定sampler的平均响应时间

 

.a.pct

统计指定sampler的响应占比

 

参考链接:

http://jmeter.apache.org/usermanual/realtime-results.html#metrics

 

 

http://www.testautomationguru.com/jmeter-real-time-results-influxdb-grafana/

 

 

 

 

 

 

 

 

 

目录
相关文章
|
21天前
Mybatis+mysql动态分页查询数据案例——测试类HouseDaoMybatisImplTest)
Mybatis+mysql动态分页查询数据案例——测试类HouseDaoMybatisImplTest)
19 1
|
21天前
|
Java 关系型数据库 数据库连接
Mybatis+MySQL动态分页查询数据经典案例(含代码以及测试)
Mybatis+MySQL动态分页查询数据经典案例(含代码以及测试)
22 1
|
1月前
|
测试技术
性能场景之压测策略设计
【2月更文挑战第19天】性能场景之压测策略设计
285 4
性能场景之压测策略设计
|
2月前
|
SQL
Grafana实现图表双Y坐标轴展示
Grafana实现图表双Y坐标轴展示
|
2月前
|
计算机视觉
Google Earth Engine(GEE)——使用MODIS数据单点测试SG滤波和harmonics method 滤波的差异分析
Google Earth Engine(GEE)——使用MODIS数据单点测试SG滤波和harmonics method 滤波的差异分析
40 0
|
8天前
|
人工智能 分布式计算 Kubernetes
人工智能,应该如何测试?(三)数据构造与性能测试篇
本文探讨了人工智能场景中的性能测试,区别于传统互联网测试,其复杂性更高。主要关注点包括两类AI产品——业务类和平台类,后者涉及AI全生命周期,测试难度更大。测试重点是模型训练的性能,特别是数据模拟。需要构造大量结构化数据,如不同规模、分布、分片和特征规模的数据,以评估算法效率。此外,还涉及模拟设备规模(如视频流)和节点规模(边缘计算),以测试在大规模负载下的系统性能。文中提到了使用工具如Spark、ffmpeg、流媒体服务器和Kubernetes(K8S)的扩展项目,如Kubemark,来模拟大规模环境。最后,文章介绍了使用Golang进行异步IO操作以构建海量小文件,优化IO性能。
22 0
|
28天前
|
消息中间件 弹性计算 测试技术
如何快速实现 Kafka 性能压测
如何快速实现 Kafka 性能压测
89794 1
|
1月前
|
算法 Java 测试技术
性能工具之代码级性能测试工具ContiPerf
【2月更文挑战第23天】性能工具之代码级性能测试工具ContiPerf
261 1
性能工具之代码级性能测试工具ContiPerf
|
1月前
|
负载均衡 NoSQL 关系型数据库
性能基础之全链路压测知识整理
【2月更文挑战第16天】性能基础之全链路压测知识整理
177 11
|
1月前
|
存储 Android开发 C++
【Android 从入门到出门】第五章:使用DataStore存储数据和测试
【Android 从入门到出门】第五章:使用DataStore存储数据和测试
29 3