轻量级性能测试工具之Apache Benchmark

简介:

AB(apache benchmark) 为Apache自带的性能测试工具在APACHE的bin目录下。

通过CMD进入apache的bin目录下,本例以windows下的apache为例。

C:\Program Files\Apache Software Foundation\Apache2.2\bin>

格式: ab [options] [http://]hostname[:port]/path

参数:

   -n requests     Number of requests to perform

   //在测试会话中所执行的请求个数。默认时,仅执行一个请求

   -c concurrency Number of multiple requests to make

   //一次产生的请求个数。默认是一次一个。

   -t timelimit    Seconds to max. wait for responses

   //测试所进行的最大秒数。其内部隐含值是-n 50000。它可以使对服务器的测试限制在一个固定的总时间以内。默认时,没有时间限制。

   -p postfile     File containing data to POST

  //包含了需要POST的数据的文件.

   -T content-type Content-type header for POSTing

   //POST数据所使用的Content-type头信息。

   -v verbosity    How much troubleshooting info to print

  //设置显示信息的详细程度 - 4或更大值会显示头信息, 3或更大值可以显示响应代码(404, 200等), 2或更大值可以显示警告和其他信息。 -V 显示版本号并退出。

   -w              Print out results in HTML tables

   //以HTML表的格式输出结果。默认时,它是白色背景的两列宽度的一张表。

   -i              Use HEAD instead of GET

  // 执行HEAD请求,而不是GET。

   -x attributes   String to insert as table attributes


   -y attributes   String to insert as tr attributes


   -z attributes   String to insert as td or th attributes


   -C attribute    Add cookie, eg. 'Apache=1234. (repeatable)

  //-C cookie-name=value 对请求附加一个Cookie:行。 其典型形式是name=value的一个参数对。此参数可以重复。

   -H attribute    Add Arbitrary header line, eg. 'Accept-Encoding: gzip'

                   Inserted after all normal header lines. (repeatable)

   -A attribute    Add Basic WWW Authentication, the attributes

                   are a colon separated username and password.

   -P attribute    Add Basic Proxy Authentication, the attributes

                   are a colon separated username and password.

  //-P proxy-auth-username:password 对一个中转代理提供BASIC认证信任。用户名和密码由一个:隔开,并以base64编码形式发送。无论服务器是否需要(即, 是否发送了401认证需求代码),此字符串都会被发送。

   -X proxy:port   Proxyserver and port number to use

   -V              Print version number and exit

   -k              Use HTTP KeepAlive feature

   -d              Do not show percentiles served table.

   -S              Do not show confidence estimators and warnings.

   -g filename     Output collected data to gnuplot format file.

   -e filename     Output CSV file with percentages served

   -h              Display usage information (this message)

  //-attributes 设置 属性的字符串. 缺陷程序中有各种静态声明的固定长度的缓冲区。另外,对命令行参数、服务器的响应头和其他外部输入的解析也很简单,这可能会有不良后果。它没有完整地实现HTTP/1.x; 仅接受某些'预想'的响应格式。 strstr(3)的频繁使用可能会带来性能问题,即, 你可能是在测试ab而不是服务器的性能。

参数很多,一般我们用 -c 和 -n 参数就可以了. 例如:

ab -c 1000 -n 1000 http://127.0.0.1/index.php

【linux下为

./ab -c 1000 -n 1000 http://127.0.0.1/index.php】

这个表示同时处理1000个请求并运行1000次login.jsp文件.

ab -c 10 -n 10 http://10.14.132.35:8080/cs/user/login.jsp

window下为

C:\Program Files\Apache Software Foundation\Apache2.2\bin>ab -c 100 -n 100http://192.168.1.175:8080/cs/user/login.jsp

【linux下命令为:

#/usr/local/apache2/bin/ab -c 1000 -n 1000 http://192.168.1.175:8080/cs/user/login.jsp】

This is ApacheBench, Version 2.0.41-dev <$Revision: 1.121.2.12 $> apache-2.0

Copyright (c) 1996 Adam Twiss, Zeus Technology Ltd, http://www.zeustech.net/

Copyright (c) 1998-2002 The Apache Software Foundation, http://www.apache.org/


Benchmarking 192.168.1.175 (be patient).....done


Server Software:        Apache-Coyote/1.1

//平台apache 版本

Server Hostname:        192.168.1.175

//服务器主机名

Server Port:            8080

//服务器端口

Document Path:          /cs/user/login.jsp

//测试的页面文档

Document Length:        7536 bytes

//文档大小

Concurrency Level:      100

//并发数

Time taken for tests:   13.125 seconds

//整个测试持续的时间

Complete requests:      100

//完成的请求数量

Failed requests:        0

//失败的请求数量

Write errors:           0

//写的错误数量

Total transferred:      788000 bytes

//整个场景中的网络传输量

HTML transferred:       753600 bytes

//整个场景中的HTML内容传输量

Requests per second:    7.62 [#/sec] (mean)

//大家最关心的指标之一,相当于 LR 中的 每秒事务数 ,后面括号中的 mean 表示这是一个平均值

Time per request:       13125.000 [ms] (mean)

//大家最关心的指标之二,相当于 LR 中的 平均事务响应时间 ,后面括号中的 mean 表示这是一个平均值

Time per request:       131.250 [ms] (mean, across all concu

//每个请求实际运行时间的平均值

Transfer rate:          58.63 [Kbytes/sec] received

//平均每秒网络上的流量,可以帮助排除是否存在网络流量过大导致响应时间延长的问题


Connection Times (ms)

             min  mean[+/-sd] median   max

Connect:        0  102 886.7     16    8875

Processing:   188 9357 1702.7   9906   10156

Waiting:       16 9300 1954.0   9906   10156

Total:        188 9458 1562.2   9922   11281

//网络上消耗的时间的分解

Percentage of the requests served within a certain time (ms)

 50%   9922

 66%  10016

 75%  10047

 80%  10063

 90%  10125

 95%  10156

 98%  10156

 99%  11281

100%  11281 (longest request)

//整个场景中所有请求的响应情况。在场景中每个请求都有一个响应时间,其中50%的用户响应时间小于9922 毫秒,最大的响应时间小于11281 毫秒
















本文转自hblxp32151CTO博客,原文链接: http://blog.51cto.com/starpoint/1358793 ,如需转载请自行联系原作者
相关文章
|
7月前
|
机器学习/深度学习 人工智能 测试技术
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
EdgeMark是一个面向嵌入式AI的自动化部署与基准测试系统,支持TensorFlow Lite Micro、Edge Impulse等主流工具,通过模块化架构实现模型生成、优化、转换与部署全流程自动化,并提供跨平台性能对比,助力开发者在资源受限设备上高效选择与部署AI模型。
604 9
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
|
7月前
|
Java 测试技术 API
自动化测试工具集成及实践
自动化测试用例的覆盖度及关键点最佳实践、自动化测试工具、集成方法、自动化脚本编写等(兼容多语言(Java、Python、Go、C++、C#等)、多框架(Spring、React、Vue等))
474 6
|
8月前
|
前端开发 Java jenkins
Jmeter压力测试工具全面教程和使用技巧。
JMeter是一个能够模拟高并发请求以检查应用程序各方面性能的工具,包括但不限于前端页面、后端服务及数据库系统。熟练使用JMeter不仅能够帮助发现性能瓶颈,还能在软件开发早期就预测系统在面对真实用户压力时的表现,确保软件质量和用户体验。在上述介绍的基础上,建议读者结合官方文档和社区最佳实践,持续深入学习和应用。
1658 10
|
8月前
|
监控 Java 数据挖掘
利用Jmeter工具进行HTTP接口的性能测试操作
基础上述步骤反复迭代调整直至满足预期目标达成满意水平结束本轮压力评估周期进入常态监控阶段持续关注系统运转状态及时发现处理新出现问题保障服务稳定高效运作
1098 0
|
9月前
|
敏捷开发 运维 数据可视化
DevOps看板工具中的协作功能:如何打破开发、测试与运维之间的沟通壁垒
在DevOps实践中,看板工具通过可视化任务管理和自动化流程,提升开发与运维团队的协作效率。它支持敏捷开发、持续交付,助力团队高效应对需求变化,实现跨职能协作与流程优化。
|
10月前
|
Java 测试技术 容器
Jmeter工具使用:HTTP接口性能测试实战
希望这篇文章能够帮助你初步理解如何使用JMeter进行HTTP接口性能测试,有兴趣的话,你可以研究更多关于JMeter的内容。记住,只有理解并掌握了这些工具,你才能充分利用它们发挥其应有的价值。+
1360 23
|
10月前
|
数据可视化 测试技术 Go
Go 语言测试与调试:`go test` 工具用法
`go test` 是 Go 语言内置的测试工具,支持单元测试、基准测试、示例测试等功能。本文详解其常用参数、调试技巧及性能测试命令,并提供实际项目中的应用示例与最佳实践。
|
9月前
|
人工智能 数据可视化 测试技术
UAT测试排程工具深度解析:让验收测试不再失控,项目稳稳上线
在系统交付节奏加快的背景下,“测试节奏混乱”已成为项目延期的主因之一。UAT测试排程工具应运而生,帮助团队结构化拆解任务、清晰分配责任、实时掌控进度,打通需求、测试、开发三方协作闭环,提升测试效率与质量。本文还盘点了2025年热门UAT工具,助力团队选型落地,告别靠表格和群聊推进测试的低效方式,实现有节奏、有章法的测试管理。
|
6月前
|
人工智能 数据处理 API
阿里云、Ververica、Confluent 与 LinkedIn 携手推进流式创新,共筑基于 Apache Flink Agents 的智能体 AI 未来
Apache Flink Agents 是由阿里云、Ververica、Confluent 与 LinkedIn 联合推出的开源子项目,旨在基于 Flink 构建可扩展、事件驱动的生产级 AI 智能体框架,实现数据与智能的实时融合。
1035 6
阿里云、Ververica、Confluent 与 LinkedIn 携手推进流式创新,共筑基于 Apache Flink Agents 的智能体 AI 未来
|
存储 Cloud Native 数据处理
从嵌入式状态管理到云原生架构:Apache Flink 的演进与下一代增量计算范式
本文整理自阿里云资深技术专家、Apache Flink PMC 成员梅源在 Flink Forward Asia 新加坡 2025上的分享,深入解析 Flink 状态管理系统的发展历程,从核心设计到 Flink 2.0 存算分离架构,并展望未来基于流批一体的通用增量计算方向。
532 0
从嵌入式状态管理到云原生架构:Apache Flink 的演进与下一代增量计算范式

热门文章

最新文章

推荐镜像

更多