JMeter 报告监听器导入.jtl结果文件报错解决方案

简介: JMeter 报告监听器导入.jtl结果文件报错解决方案

JMeter 报告监听器导入.jtl结果文件报错解决方案

 

by:授客QQ1033553122

 

 

1. 问题描述

jmeter压测时生成的.jtl结果文件导入监听器报告中,弹出如下错误提示error loadding results file -see log file

 

 

 

2. 原因分析与解决方案

打开logger view,查看出错日志,下,提示没有足够的列用于解析

 

 

 

文件比较大,windows下查看打不开,,所以在Linux上用vim命令打开,定位到那行,结果发现如下截图,数据缺失导致

 

 

JMeter解析.jtl文件时,如果报错,那么仅仅会统计报错之前的记录,所以即便是出错了,也可以看到部分统计数据,如果数据缺失行为文件最后一行,那还好,基本不太影响,但是如果数据缺失行出现在开头或者中简位置,则会很影响统计结果

 

解决方案

方案1linux上直接编辑,去掉数据缺失行记录,导入后没再报错

 

 

 

方案2

如果数据缺失行记录比较多,那么行一就难办了,得不断的去试才知道哪里出错了,可以考虑代码遍历,不过文件大的话,也挺耗费时间的

 

#!/usr/bin/env/ python

# -*- coding:utf-8 -*-

 

__author__ = 'shouke'

 

 

 

class JtlDataParser:

   def __init__(self):

       pass

 

 

   def parse_jtl_data(self):

       with open('E:/PerformanceTest/result.jtl', 'r', encoding='utf-8') as f1:

           with open('E:/PerformanceTest/dirty.jtl', 'w', encoding='utf-8') as f2:

               f3 = open('E:/PerformanceTest/newResult.jtl', 'w', encoding='utf-8')

 

               count_for_normal = 0

               count_for_dirty = 0

 

               for line in f1:

                   temp = line.split(',')

                   if len(temp) != 16: #默认.jtl结果文件,每行包含16个逗号分隔的值

                       f2.write(line)

                       f2.flush()

                       count_for_dirty += 1

                       print('写入数据缺失行:', count_for_dirty)

                   else:

                       f3.write(line)

                       f3.flush()

                       count_for_normal += 1

                       print('已写入正常数据行:', count_for_normal)

               f2.write('正常数据行总数:%s' % str(count_for_normal))

               f3.write('数据缺失行总数:%s' % str(count_for_dirty))

               f3.close()

 

JtlDataParser().parse_jtl_data()

 

 

 

最后说明

根据JMeter聚合报告生成原理来看,不管是使用方案1 还是 方案2,如果数据缺失行、数据格式不对的数据行,数量比较多的话,会很影响统计结果,暂时没有好的解决方案

 

目录
相关文章
|
5月前
|
存储 监控 数据可视化
性能监控之JMeter分布式压测轻量日志解决方案
【8月更文挑战第11天】性能监控之JMeter分布式压测轻量日志解决方案
112 0
性能监控之JMeter分布式压测轻量日志解决方案
|
7月前
|
测试技术 Linux Apache
掌握JMeter参数化技巧:通过CSV文件实现高效登录压测
在本文中,我们将探讨如何使用 Apache JMeter 通过 CSV 数据文件进行登录性能测试参数化。首先创建一个包含用户名和密码的 `users.csv` 文件。接着在 JMeter 中,创建测试计划,添加线程组,配置 CSV 数据集,设置文件路径、编码及变量名。然后,创建 HTTP 请求并添加参数,使用 `${username}` 和 `${password}` 引用 CSV 中的数据。最后,添加监听器如查看结果树和聚合报告以分析测试结果。通过这种方法,能更有效地模拟真实用户行为,提高测试覆盖率,助力性能瓶颈的发现和优化。
|
Java Windows
Jmeter安装使用(附下载文件和TPS工具)
Jmeter安装使用(附下载文件和TPS工具)
603 1
|
测试技术 数据安全/隐私保护
jmeter--全局参数设置与CSV数据导入
jmeter--全局参数设置与CSV数据导入
|
测试技术 数据安全/隐私保护
|
测试技术
jmeter文件导入实现数据驱动的自动化测试 (2)
jmeter文件导入实现数据驱动的自动化测试 (2)
138 0
|
测试技术 数据处理
jmeter文件导入实现数据驱动的自动化测试 (1)
jmeter文件导入实现数据驱动的自动化测试 (1)
137 0
|
3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🧐
175 3
|
4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。
132 2
|
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🧐
96 3