当前位置： 首页 > news >正文

性能测试-jmeter16-性能环境搭建、脚本编写、测试数据构造

news 2025/10/24 14:12:11

课程：B站大学
记录软件测试-性能测试学习历程、掌握前端性能测试、后端性能测试、服务端性能测试的你才是一个专业的软件测试工程师

性能测试

  • 性能脚本编写
  • 性能测试环境搭建
    • 1. 建立测试环境
      • 1.1 性能测试环境的特点
      • 1.2 如何保证测试环境与生产环境的一致性
    • 2. 如何构造百万级别的测试数据呢？
      • 使用 CSV + LOAD DATA INFILE 方式构造并导入百万级商品数据到 MySQL
      • 1、整体流程
        • 创建数据表结构（插入sql语句）：
        • ✅ 步骤 1：用 Python 生成 CSV 文件（10 万条商品数据：generate_goods_csv.py）
        • ✅ 步骤 2：将 CSV 文件放到 MySQL 服务端可访
        • 重启 MySQL 服务​
        • sql批量导入csv数据到mysql数据表中
        • ✅ 步骤 4：验证导入结果
  • 实践是检验整理的唯一标准

性能脚本编写

JMeter 业务流程脚本编写简要流程

  1. ​​明确业务流程​​
    确定要模拟的用户操作流程（如：登录 → 浏览 → 加购 → 下单 → 支付）。
  2. ​​创建测试计划 & 线程组​​
    在 JMeter 中创建 Test Plan，在其下添加 Thread Group，设置并发用户数、循环次数等。
    ​​
  3. 添加业务流程请求（HTTP Request）​​
    按业务顺序添加多个 HTTP 请求，每个请求对应一个业务步骤（如登录接口、商品查询接口等）。
  4. ​​处理关联（数据传递）​​
    使用 ​​后置处理器（如 JSON Extractor）​​ 从响应中提取关键数据（如 token、orderId），存为变量，供后续请求使用。
  5. ​​参数化输入​​
    使用 ​​CSV Data Set Config​​ 或函数，为不同用户/场景提供动态数据（如用户名、商品ID）。
  6. ​​添加逻辑控制（可选）​​
    使用 ​​逻辑控制器（如 If Controller、Loop Controller）​​ 控制流程分支或循环逻辑。
  7. ​​添加断言​​
    验证每个关键请求的响应是否符合预期（如状态码 200、返回字段正确）。
    ​​
  8. 添加定时器（可选）

​​模拟用户操作间隔，如 ​​高斯随机定时器​​。

  1. ​​添加监听器（调试用）​​
    如 ​​查看结果树、聚合报告​​，用于调试与性能分析（正式压测时可关闭部分监听器）。
  2. ​​调试与执行测试​​
    先小规模调试脚本，验证流程正确性；再执行正式性能测试，收集性能数据。
    在这里插入图片描述

性能测试环境搭建

1. 建立测试环境

• 在进行性能测试之前，需要先完成性能测试环境的搭建工作，测试环境一般包括硬件环境、软件环境及网络环境。

• 一般情况下可以要求运维和开发工程师协助完成。

1.1 性能测试环境的特点

  1. 性能测试对测试环境的独立性要求更高，更为严格。如果某环境下运行多个系统，就很难判断其中的某个环境对资源的占用情况。
  2. 尽量保持性能测试环境与真实生产环境的一致性。

1.2 如何保证测试环境与生产环境的一致性

如何达成性能测试环境与生产环境一致:
• 硬件环境——找运维人员申请

• 软件环境——所有的软件版本和配置可以找开发人员要,然后自己安装

• 使用场景一致性

• 测试数据:需要测试自己构造(通过python脚本构造相同数量级的数据)
• 业务场景:通过需求分析和运营数据获取主要的业务操作和对应的并发指标

2. 如何构造百万级别的测试数据呢？

使用 CSV + LOAD DATA INFILE 方式构造并导入百万级商品数据到 MySQL

1、整体流程

  • 先创建对应的mysql表结构
  • 用 Python 生成 CSV 文件​​（包含 10 万~100 万条商品数据）
  • ​​将 CSV 文件放到 MySQL 服务端可访问的目录​​ ​​
  • 使用 MySQL 的 LOAD DATA INFILE命令高速导入​​
  • ​​验证数据是否导入成功​

前提条件：

创建数据表结构（插入sql语句）：
CREATE TABLE IF NOT EXISTS `litemall_goods` (`id` INT UNSIGNED NOT NULL AUTO_INCREMENT COMMENT '商品ID',`goods_sn` VARCHAR(64) NOT NULL DEFAULT '' COMMENT '商品编号，如 G00000001',`name` VARCHAR(255) NOT NULL DEFAULT '' COMMENT '商品名称',`category_id` INT UNSIGNED NOT NULL DEFAULT 0 COMMENT '分类ID',`brand_id` INT UNSIGNED NOT NULL DEFAULT 0 COMMENT '品牌ID',`gallery` TEXT COMMENT '商品轮播图，JSON数组格式字符串，如 [\"url1\",\"url2\"]',`keywords` VARCHAR(255) NOT NULL DEFAULT '' COMMENT '商品关键词，如 手机,智能',`brief` VARCHAR(512) NOT NULL DEFAULT '' COMMENT '商品简介 / 简要描述',`is_on_sale` TINYINT(1) NOT NULL DEFAULT 1 COMMENT '是否上架：1=是，0=否',`sort_order` INT NOT NULL DEFAULT 100 COMMENT '商品排序权重',`pic_url` VARCHAR(255) NOT NULL DEFAULT '' COMMENT '商品主图 URL',`share_url` VARCHAR(255) NOT NULL DEFAULT '' COMMENT '商品分享链接',`is_new` TINYINT(1) NOT NULL DEFAULT 0 COMMENT '是否新品：1=是，0=否',`is_hot` TINYINT(1) NOT NULL DEFAULT 0 COMMENT '是否热销：1=是，0=否',`unit` VARCHAR(16) NOT NULL DEFAULT '个' COMMENT '单位',`counter_price` DECIMAL(10,2) NOT NULL DEFAULT 0.00 COMMENT '市场价 / 原价',`retail_price` DECIMAL(10,2) NOT NULL DEFAULT 0.00 COMMENT '销售价 / 零售价',`detail` TEXT COMMENT '商品详情 HTML / 富文本内容',`add_time` DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',`update_time` DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',`deleted` TINYINT(1) NOT NULL DEFAULT 0 COMMENT '是否删除：0=未删除，1=已删除',PRIMARY KEY (`id`),KEY `idx_category_id` (`category_id`),KEY `idx_brand_id` (`brand_id`),KEY `idx_is_on_sale` (`is_on_sale`),KEY `idx_sort_order` (`sort_order`),KEY `idx_deleted` (`deleted`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='商品表';

在这里插入图片描述

✅ 步骤 1：用 Python 生成 CSV 文件（10 万条商品数据：generate_goods_csv.py）

在pythob环境中安装对应的包，此处我使用的anaconda虚拟环境（方便管理python的库和包）
在这里插入图片描述

import csv
from faker import Faker
import random
from datetime import datetime# 初始化 Faker（中文数据）
fake = Faker('zh_CN')# 商品数据生成函数
def generate_goods_csv(filename='goods_data.csv', num=100000):headers = ['id', 'goods_sn', 'name', 'category_id', 'brand_id', 'gallery','keywords', 'brief', 'is_on_sale', 'sort_order', 'pic_url','share_url', 'is_new', 'is_hot', 'unit', 'counter_price','retail_price', 'detail', 'add_time', 'update_time', 'deleted']with open(filename, mode='w', newline='', encoding='utf-8') as f:writer = csv.writer(f)writer.writerow(headers)  # 写入表头for i in range(1, num + 1):goods_sn = f'G{i:08d}'name = f'商品{i}号 - {fake.word()}系列'category_id = random.randint(1, 100)brand_id = random.randint(1, 50)gallery = '[]'  # 可为 JSON 字符串，如 '["url1","url2"]'keywords = f'{fake.word()},{fake.word()}'brief = fake.sentence(nb_words=8)is_on_sale = 1sort_order = random.randint(1, 1000)pic_url = f'http://example.com/pic_{i}.jpg'share_url = f'http://example.com/share_{i}'is_new = random.randint(0, 1)is_hot = random.randint(0, 1)unit = '个'counter_price = round(random.uniform(100, 1000), 2)retail_price = round(random.uniform(50, counter_price), 2)detail = f'<p>{fake.text(max_nb_chars=200)}</p>'add_time = datetime.now().strftime('%Y-%m-%d %H:%M:%S')update_time = add_timedeleted = 0writer.writerow([i, goods_sn, name, category_id, brand_id, gallery,keywords, brief, is_on_sale, sort_order, pic_url,share_url, is_new, is_hot, unit, counter_price,retail_price, detail, add_time, update_time, deleted])print(f"✅ 已生成 {num} 条商品数据到文件：{filename}")if __name__ == '__main__':generate_goods_csv('goods_data.csv', 100000)  # 生成 10 万条

成功生成10万级别数据
在这里插入图片描述

📌 运行此脚本后，会在当前目录生成一个 goods_data.csv文件，内容为 10 万条结构化的商品数据，字段与 MySQL 商品表 litemall_goods对应。

✅ 步骤 2：将 CSV 文件放到 MySQL 服务端可访
  • 如果你是本地开发​​，且 MySQL 也在本地，直接放在如 /tmp/或 C:\temp（Windows）下即可。问目录
  • ​​如果你是远程 MySQL 服务​​，需要将 CSV 文件 ​​上传到 MySQL 服务器上​​，比如：
    • /tmp/goods_data.csv
    • 或某个 MySQL 有权限读取的目录，如 /var/lib/mysql-files/（取决于 MySQL 配置）

⚠️ 注意：LOAD DATA INFILE​​要求文件必须在 MySQL 服务端可读​​，不是你的客户端！

步骤 3：使用 MySQL 命令行导入（LOAD DATA INFILE）

  • CSV 文件路径：/tmp/goods_data.csv
  • 目标表：litemall_goods（请确保该表已存在，字段顺序与 CSV 一致！）
  • MySQL 用户有 FILE 权限

这里本地的mysql server默认拒绝访问本地本地，故需要配置my.ini文件

  • 找到 MySQL 配置文件 my.ini​​
    MySQL 8.0 默认安装在 C:\Program Files\MySQL\MySQL Server 8.0
    在这里插入图片描述
重启 MySQL 服务​
  • 按下 Win + R，输入：services.msc，回车
  • 找到服务：​​MySQL80​​（或者你安装的版本，比如 MySQL、MySQL57 等）
  • 右键 → ​​重新启动​
sql批量导入csv数据到mysql数据表中
LOAD DATA INFILE '/tmp/goods_data.csv'
INTO TABLE litemall_goods
FIELDS TERMINATED BY ','
ENCLOSED BY '"'
LINES TERMINATED BY '\n'
IGNORE 1 ROWS  -- 忽略第一行表头
(id, goods_sn, name, category_id, brand_id, gallery,keywords, brief, is_on_sale, sort_order, pic_url,share_url, is_new, is_hot, unit, counter_price,retail_price, detail, add_time, update_time, deleted);

在这里插入图片描述

在这里插入图片描述

✅ 步骤 4：验证导入结果
SELECT COUNT(*) FROM litemall_goods;

在这里插入图片描述
对比测试数据够着的时间，10万数据1s内构造完成
在这里插入图片描述

实践是检验整理的唯一标准

http://www.dtcms.com/a/521448.html

相关文章：

  • 网站建设分为哪几种类型平台类网站建设价格表
  • kubernets简介和部署
  • YOLO V4 整体架构的由来及用法 详解
  • 青岛网站开发公司wordpress js加载速度慢
  • 上海松一网站建设wordpress产品展示
  • python-xml
  • 番禺网站建设专家wordpress set option
  • 郑州模板网站设计哪家便宜推广策略及推广方式
  • RTMP推拉流平台EasyDSS视频推拉流技术的应用以及视频推流是怎样的流程？
  • JDBC-MySQL数据库连接与使用
  • 江门cms模板建站寮步镇网站建设
  • 网站后台用什么软件做iphone app wordpress
  • 网站登录密码怎么取消保存dremrever怎么做网站
  • 集团门户网站建设策划关于加快信用平台网站建设通知
  • SpringBoot-Web开发之请求映射
  • Java 核心知识点查漏补缺（三）
  • Linux 线程深度解析：概念、机制与实践
  • 网站运营总监盐城最专业网站建设网站排名优化
  • KP1505X (KP15052SPA/KP15051SPA/ KP1505ASPA) 典型应用 与管脚封装
  • 【数据集1】Global precipitation from FY-3 polar orbit satellites
  • h5游戏免费下载：我要飞的更高
  • 网站开发设计价格爱家影院融合年包是什么
  • 中国网站为什么要备案网站域名备案服务
  • TCP实现聊天
  • 网站设计合同附件wordpress 克隆页面
  • 富文本测试
  • 韩国的小游戏网站网站建设企业排行榜
  • CSRF漏洞攻击（跨站请求伪造攻击）
  • 生活分类网站建设河南响应式建站
  • python爬数据做网站室内设计3d效果图