Jmeter---自定义函数function

简介: Jmeter对比LoadRunner,在场景设置上的不同,包括但不限于: LoadRunner以脚本被分配的用户数,设置事务占总场景的百分比。 Jmeter以线程数的大小,设置事务占总场景的百分比。

Jmeter对比LoadRunner,在场景设置上的不同,包括但不限于:

  1. LoadRunner以脚本被分配的用户数,设置事务占总场景的百分比。
  2. Jmeter以线程数的大小,设置事务占总场景的百分比。
  3. Jmeter很好的支持同一线程组下使用不同协议的请求。
  4. LoadRunner需要以多协议脚本的方法实现不同协议的请求。

对于平常性能测试,这些不同点不会造成太大的问题。
但对于特定需求来说,以上两种工具使用都不太方便,比如:

  1. 若每个线程组下拥有一个事务,因每个线程组至少分配一个线程,所以每个事务的占比>=1/总线程数。有时需要比这更小的占比。
  2. 若给定并发数(线程数),可能出现部分事务无法分配占比的情况。
  3. 当事务数多达30以上时,维护成本较高。

综上两点,我们需要一个测试工具,它可以实现:

  1. 可对场景指定任意并发数
  2. 精准控制事务占比
  3. 快捷维护上述两点。

思路构想:

  • 使用文件维护各事务占比。
  • 以上述文件占比总和为上限,使用均匀分布的概率,生成随机数。
  • 根据生成的随机数,选取对应的事务,发起请求。

Jmeter初期实现:

  • 使用Java Properties文件维护占比
//out.Properties
trans1=10.00
trnas2=20.00
trnas3=40.50
trnas4=29.50
  • 使用Java Request实现均匀分布选取。
  • Jmeter界面长这样
    Annotation_2019_03_07_215318

上述实现初步实现我们的思路,但存在以下缺点:

  1. Jmeter报告统计及原始的jtl结果收集文件里,均包含Java Request事务,不便于获取场景的总TPS。
  2. out.Properties文件仍以百分比维护,一是精确度不高;二是需要做额外的工作,将统计/预测出来的交易数划算为百分比的形式。

Jmeter改进实现:

  • 以Function的形式代替Java Request,规避多余的请求数。
  • 更改out.Properties文件,以整数大小形式说明各事务占比。

更改后界面长这样:
Annotation_2019_03_07_215318

out.Properties可直接维护交易数或占比:

//out.Properties
trans1=1005
trnas2=2009
trnas3=4050
trnas4=2950

自定义的函数实现:

这里有小小的碎碎念,鄱Jmeter源码时,走错了方向,作了很多无用功,却熟悉了Jmeter nonGUI&nonRemote模式下基本的工作机制,心疼下自己0.0

函数功能说明:

  • 参数1:指定场景文件,即Properties文件的路径。
  • 参数2:boolean值,可选,当为true时,每次调用时使用新的随机数种子。
  • 参数3: 函数返回结果赋于新的变量名,可选。
  • 备注:当该函数第一次调用时,函数执行初始化(1.读取Properties;2.映射事务名与随机数的关系。)
    映射关系:
trans1 trans2 trans3 trans4
0~1005 1006~3014 3015~7064 7065~10014

备注:3014 = trans2+trans1 = 1005+1006。7064和10014类推。


Java代码实现Function

package org.apache.jmeter.functions;

import java.util.Collection;
import java.util.LinkedList;
import java.util.List;

import org.apache.jmeter.engine.util.CompoundVariable;
import org.apache.jmeter.samplers.SampleResult;
import org.apache.jmeter.samplers.Sampler;
import org.apache.jmeter.util.JMeterUtils;

import java.util.TreeMap;
import java.util.Properties;
import java.io.FileNotFoundException;
import java.io.FileInputStream;
import java.io.IOException;
import java.util.Set;
import java.util.Map;
import java.time.Instant;
import java.util.Random;


public class TransactionSwitch extends AbstractFunction{

    private static final List<String> desc = new LinkedList<>();

    private static final String KEY = "__TransactionSwitch"; //$NON-NLS-1$

    static {
        desc.add("PropertiesFileName");
        desc.add("hasRandomSeedVariation(optional)");
        desc.add(JMeterUtils.getResString("function_name_paropt"));
    }

    private Object[] values;

    private Random random = new Random();
    private static int bound ;
    private static TreeMap<Integer,String> map = new TreeMap<>((x,y)->( x==y?0:(x>y?1:0)));
    private static Boolean firstCall = true;

    /**
     * No-arg constructor.
     */
    public TransactionSwitch() {
        firstCall = true;
        map.clear();
    }

    /** {@inheritDoc} */
    @Override
    public String execute(SampleResult previousResult, Sampler currentSampler)
            throws InvalidVariableException {
        if (firstCall){
            init(((CompoundVariable)values[0]).execute().trim());
        }

        if(Boolean.valueOf(((CompoundVariable)values[1]).execute().trim())) {
            random.setSeed(Instant.now().toEpochMilli());
        }

        int nextInt = random.nextInt(bound);
        Map.Entry<Integer,String> entry = map.entrySet().stream().filter(s->
            s.getKey() >= nextInt
        ).limit(1).findFirst().get();

        return entry.getValue();
    }

    private synchronized void init(String configFile){
        Properties prop = new Properties();
        try (var in = new FileInputStream(configFile)){
            prop.load(in);
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }

        bound = 0;
        Set<String> set = prop.stringPropertyNames();
        set.stream().distinct().forEach(s -> {
            int a = Integer.parseInt(prop.getProperty(s).trim());
            bound += a;
            map.put(bound, s.trim());
        });

        bound++;
        firstCall = false;
    }

    /** {@inheritDoc} */
    @Override
    public void setParameters(Collection<CompoundVariable> parameters) throws InvalidVariableException {
        checkMinParameterCount(parameters,2);
        values = parameters.toArray();
    }

    /** {@inheritDoc} */
    @Override
    public String getReferenceKey() {
        return KEY;
    }

    /** {@inheritDoc} */
    @Override
    public List<String> getArgumentDesc() {
        return desc;
    }

}

编译并打包上述代码,放于JMETER_HOME/lib/ext目录下,重启jmeter,可以Jmeter的function helper看到:

_

事后验证

  1. 经测试数据分析与验证,调用该函数不影响负载机性能。
  2. 若某一事务占比较小(比如万分之几),运行2~3min即可覆盖到所在事务。

感谢阅读~

目录
相关文章
|
关系型数据库 MySQL 数据库
MySQL数据库(30):内置函数和自定义函数 function
MySQL数据库(30):内置函数和自定义函数 function
131 0
MySQL数据库(30):内置函数和自定义函数 function
jMeter 里如何调用函数 function
jMeter 里如何调用函数 function
125 0
jMeter 里如何调用函数 function
jMeter创建微软Azure Lambda Function报错
jMeter创建微软Azure Lambda Function报错
114 0
jMeter创建微软Azure Lambda Function报错
|
SQL Go 数据库
SQL Server 自定义函数(Function)——参数默认值
原文:SQL Server 自定义函数(Function)——参数默认值 sql server 自定义函数分为三种类型:标量函数(Scalar Function)、内嵌表值函数(Inline Function)、多声明表值函数(Multi-Statement Function) 标量函数:标量函数是对单一值操作,返回单一值。
1843 0
|
17天前
|
资源调度 Serverless 计算机视觉
高斯函数 Gaussian Function
**高斯函数,或称正态分布,以数学家高斯命名,具有钟形曲线特征。关键参数包括期望值μ(决定分布中心)和标准差σ(影响分布的宽度)。当μ=0且σ²=1时,分布为标准正态分布。高斯函数广泛应用于统计学、信号处理和图像处理,如高斯滤波器用于图像模糊。其概率密度函数为e^(-x²/2σ²),积分结果为误差函数。在编程中,高斯函数常用于创建二维权重矩阵进行图像的加权平均,实现模糊效果。
14 1
|
1月前
|
算法 Serverless C语言
CMake函数和宏(function和macro):使用函数和宏提高代码可读性
CMake函数和宏(function和macro):使用函数和宏提高代码可读性
30 1
|
1月前
|
存储 安全 编译器
【C++ 包装器类 std::function 和 函数适配器 std::bind】 C++11 全面的std::function和std::bind的入门使用教程
【C++ 包装器类 std::function 和 函数适配器 std::bind】 C++11 全面的std::function和std::bind的入门使用教程
32 0
|
1月前
|
SQL Oracle 关系型数据库
Flink的表值函数(Table-Valued Function,TVF)是一种返回值是一张表的函数
【2月更文挑战第17天】Flink的表值函数(Table-Valued Function,TVF)是一种返回值是一张表的函数
20 1
|
6月前
|
存储 数据安全/隐私保护
均匀散列函数(Uniform Hash Function)
均匀散列函数(Uniform Hash Function)是一种将不同长度的输入数据映射到相同大小的输出数据的散列函数。均匀散列函数的主要特点是,对于相同的输入数据,无论其长度如何,都会得到相同的输出散列值。这种散列函数常用于数据结构的存储和查找,例如哈希表、散列表等。
97 3
|
3月前
|
存储 SQL 安全
函数(Function)和存储过程(Stored Procedure)的区别(小白情感版)
函数(Function)和存储过程(Stored Procedure)的区别(小白情感版)
31 0

热门文章

最新文章