jmeter性能指标分析

简介: 使用jmeter压测后,对各项指标进行分析

性能测试中,对跑出的指标进行分析,以便下一步的行动


指标列举

jmeter聚合报告中,现有指标如下

  • 样本
  • 平均值
  • 中位数
  • 90%百分位
  • 95%百分位
  • 99%百分位
  • 最小值
  • 最大值
  • 异常%
  • 吞吐量
  • 接收KB/sec
  • 发送KB/sec


指标详解

各项指标代表什么意思内(以HTTP接口压测为)

样本

请求的总数=并发数*循环次数

例如:并发是100,循环次数是100

那么样本数=100*100=10000

这个值越大,说明采样数越多,结果也越有参考的价值

平均值

所有样本中,平均响应时间(单位: ms)

假设5个响应时间的值为[1,2,3,4,5]

那么平均响应时间=(1+2+3+4+5)/5=3

中位数

所有样本中,响应时间的中位数(单位: ms)

[1,2,3....50,51,52....100],例如从1到100,假设中位值为50,那么1到49的值是少于中位值50的,那么有百分之50的数值小于50

90%百分位

所有样本中,响应时间的P90(单位: ms)

[1,2,3....50,51,52....100],例如从1到100,假设P90为90,那么1到89的值是少于p90值50的,那么有百分之90的数值小于90

95%百分位

所有样本中,响应时间的P95(单位: ms)

[1,2,3....50,51,52....100],例如从1到100,假设P95为95,那么1到94的值是少于p95值95的,那么有百分之95的数值小于95

99%百分位

所有样本中,响应时间的p99(单位: ms)

[1,2,3....50,51,52....100],例如从1到100,假设P99为99,那么1到98的值是少于p99值99的,那么有百分之99的数值小于99

最小值

所有样本中,最小响应时间(单位: ms)

响应时间中的最小值

最大值

所有样本中,最大响应时间(单位: ms)

响应时间中的最大值

异常%

假设样本数是10000,请求错误数是50,那么

正确率: (1000-50)/10000=99.5%

错误率: 50/10000=0.5%

吞吐量

每秒处理的事务数,与具体的事务有关 俗称tps 单位(tps个数/sec)

假设事务A(登录)处理耗时100ms,那么每秒的tps=1000ms/100ms=10/sec

假设事务B(下单)处理耗时200ms,那么每秒的tps=1000ms/200ms=5/sec

假设事务C(支付)处理耗时为1500ms,那么每秒的tps=1000ms/1500ms=0.67/sec


如果该值大于并发数,那么你可以尝试增加并发数,再次测试,直到该值不再增加,如果增加并发数了,该值反而下降,那么就是压力机资源因为线程过多反而无法充分利用资源了

接收KB/sec

观察这个值,可以判断当前下载带宽是不是跑满了

1MB/s=8Mbps/s 通常所说的带宽都是Mbps单位

假设每秒接收KB为4096KB/s,那么带宽为 4096/1024*8=32Mbps

发送KB/sec

观察这个值,可以判断当前上传带宽是不是跑满了

1MB/s=8Mbps/s 通常所说的带宽都是Mbps单位

假设每秒上传KB为2048KB/s,那么带宽为 2048/1024*8=16Mbps

目录
相关文章
Jmeter 测试结果分析之聚合报告简介
Jmeter 测试结果分析之聚合报告简介
774 0
|
中间件 测试技术 应用服务中间件
压力测试和JMeter使用分析
压力测试和JMeter使用分析
压力测试和JMeter使用分析
|
JSON 应用服务中间件 测试技术
|
存储 监控 数据挖掘
【软件测试】Jmeter性能测试(性能测试,Jemeter使用与结果分析2)
【软件测试】Jmeter性能测试(性能测试,Jemeter使用与结果分析)
【软件测试】Jmeter性能测试(性能测试,Jemeter使用与结果分析2)
|
数据可视化 网络协议 Java
【软件测试】Jmeter性能测试(性能测试,Jemeter使用与结果分析1)
【软件测试】Jmeter性能测试(性能测试,Jemeter使用与结果分析)
【软件测试】Jmeter性能测试(性能测试,Jemeter使用与结果分析1)
|
1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🧐
134 3
|
2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。
113 2
|
18天前
|
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🧐
43 3
|
16天前
|
缓存 测试技术 Apache
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
33 1
|
2月前
|
缓存 Java 测试技术
谷粒商城笔记+踩坑(11)——性能压测和调优,JMeter压力测试+jvisualvm监控性能+资源动静分离+修改堆内存
使用JMeter对项目各个接口进行压力测试,并对前端进行动静分离优化,优化三级分类查询接口的性能
谷粒商城笔记+踩坑(11)——性能压测和调优,JMeter压力测试+jvisualvm监控性能+资源动静分离+修改堆内存