Jmeter快速入门

简介: 本文介绍JMeter的安装与快速入门,包括下载、解压、运行步骤及中文界面设置方法,并演示创建线程组、添加HTTP取样器和查看测试结果的基本操作流程。

1.安装Jmeter

Jmeter依赖于JDK,所以必须确保当前计算机上已经安装了JDK,并且配置了环境变量。

1.1.下载

可以Apache Jmeter官网下载,地址:http://jmeter.apache.org/download_jmeter.cgi

也可以使用下载好的安装包:📎apache-jmeter-5.4.1.zip

1.2.解压

因为下载的是zip包,解压缩即可使用,目录结构如下:

其中的bin目录就是执行的脚本,其中包含启动脚本:

1.3.运行

双击即可运行(或执行指令:sh jmeter.sh ),但是有两点注意:

  • 启动速度比较慢,要耐心等待
  • 启动后黑窗口不能关闭,否则Jmeter也跟着关闭

2.快速入门

2.1.设置中文语言

默认Jmeter的语言是英文,需要设置:

效果:

注意:上面的配置只能保证本次运行是中文,如果要永久中文,需要修改Jmeter的配置文件

打开jmeter文件夹,在bin目录中找到 jmeter.properties,添加下面配置:

language=zh_CN

注意:前面不要出现#,#代表注释,另外这里是下划线,不是中划线

2.2.基本用法

在测试计划上点鼠标右键,选择添加 > 线程(用户) > 线程组:

在新增的线程组中,填写线程信息:

给线程组点鼠标右键,添加http取样器:

编写取样器内容:

添加监听报告:

添加监听结果树:

汇总报告结果:

结果树:

目录
相关文章
|
8月前
|
SQL 缓存 Java
MyBatis (3)
本文介绍MyBatis分页实现方式:包括RowBounds内存分页、PageHelper插件分页、SQL物理分页、数组分页及拦截器分页,对比逻辑与物理分页优劣,强调大数据量下物理分页更优,并简述一级、二级缓存机制及三种执行器(Simple、Reuse、Batch)的工作原理。
119 0
|
8月前
|
Kubernetes Cloud Native Nacos
MCP 网关实战:基于 Higress + Nacos 的零代码工具扩展方案
本文会围绕如何基于 Higress 和 Nacos 的 docker 镜像在 K8s 集群上进行分角色部署。
1058 90
|
11月前
|
人工智能 开发者 异构计算
魔搭勋章权益全面升级,免费工位+魔搭周边+GPU时长…统统安排!
亲爱的搭搭搭塔子们~(不是)你听说了吗?现在魔搭社区要给每一位搭友发!福!利!
450 1
|
7月前
|
存储 安全 算法
跨境电商用户IP真实性评估:高精度查询与离线库的融合策略
在跨境电商中,评估用户IP真实性是防止欺诈、优化营销的关键。本文将介绍如何结合高精度IP地址查询定位与IP离线库,通过技术手段验证IP来源。
跨境电商用户IP真实性评估:高精度查询与离线库的融合策略
|
8月前
|
人工智能 自然语言处理 机器人
AI也会说谎?揭秘可靠RAG让智能助手不再胡说八道
你的AI助手老是答非所问、胡编乱造?别急,可靠RAG技术专治各种"AI幻觉症"!通过文档相关性检查、幻觉检测和来源追溯,让你的智能客服从"胡说八道王"变身"靠谱答题员" #人工智能 #RAG #智能客服 #幻觉检测
459 1
|
8月前
|
人工智能
Cursor 快捷键全集:提升效率的隐藏秘笈
本文分享了作者使用Cursor半年的高效操作心得,重点整理了能显著提升编码速度的快捷键组合。从基础文件导航到智能AI交互,文章提供了实战场景下的快捷键应用技巧,并推荐了自定义配置方案。掌握这些键盘操作能减少对鼠标的依赖,实现更流畅的代码编辑与导航,从而累积节省大量时间,优化开发体验。
|
自然语言处理 API 开发者
腾讯混元开源首款混合推理MoE模型Hunyuan-A13B,性能优异,激活参数仅13B
6月27日,腾讯混元宣布开源混元-A13B模型,总参数800亿,激活参数仅130亿,在效果比肩顶尖开源模型的同时,大幅降低推理延迟与计算开销。这意味着,开发者可以用更低门槛的方式获得更好的模型能力。
791 1
|
人工智能 算法 数据处理
《深度洞察ICA:人工智能信号处理降维的独特利器》
独立成分分析(ICA)是处理高维信号数据的关键技术,尤其在人工智能领域展现出独特优势。ICA通过分离混合信号中的独立成分,揭示隐藏特征、去除噪声、适应复杂分布并保留信号完整性。其原理基于源信号的非高斯性和独立性假设,广泛应用于语音识别、生物医学信号分析和图像处理等领域,提供更精准的数据处理方案。随着AI技术发展,ICA的应用前景愈加广阔。
549 1
|
移动开发 前端开发 Java
|
存储 Java 数据库
向量数据库Milvus
在实习期间构建了基于Milvus的向量数据库,用于存储和检索大模型问答对信息。遇到的问题包括:vectorFloat类型在JDK<16时不可用;数据结构和索引选择至关重要。流程包括创建数据库、配置Field、匹配与处理数据、计算Embedding并插入数据。Milvus构建涉及HNSW索引,调整索引参数以优化少量数据的查询速度。向量检索技术包括MMR检索,用于提高内容的多样性和相关性,以及单向量和批量向量搜索,用于高效地检索最相似的向量。搜索参数如`metric_type`、`nprobe`等可调优查询性能。
1096 3

热门文章

最新文章