命令行执行Jmeter脚本(四)

本文介绍了如何在命令行模式下执行JMeter脚本,包括-n、-t、-l、-e和-o等参数的使用。当遇到无权限问题时,可以通过chmod授权解决。同时,讲解了如何通过jmeter.properties文件调整控制台取样间隔,并优化JVM堆内存设置。此外,还详细阐述了如何生成HTML测试报告,以及如何通过jtl文件分析性能测试结果。最后,提到了远程执行脚本的方法和JMeter的参数优化策略。

本机命令行执行脚本

cd 脚本目录
jmeter -n -t login.jmx -l /report/result.jtl -e -o /report/result-100
jmeter -n -t 脚本名称.jmx -l report/

-n:命令行执行
-t:指定的脚本
-l:指定生成jtl格式的报告及报告所在的目录
-e:结束即生成HTML测试报告
-o:测试报告所在的目录

使用jmeter命令执行脚本提示无权限的:
进入到jmeter根目录下执行 chmod -R +x ./* 授权

控制台每隔一段时间就会刷新数据,当然也可以通过jmeter.properties配置文件进行修改
summariser.interval=10(默认为30s,最低可设置为6s,这里修改为10s)

Jmeter命令行模式-结果报表

三种方式来获取Jmeter的结果报表

  • 在GUI模式下跑Jmeter的脚本,用tps插件实时展示图表
  • 在命令行模式下跑Jmeter的脚本,生成的jtl文件,在GUI界面的聚合报告里打开,可以展示tps和响应时间等数据
  • 在命令行模式下跑Jmeter的脚本,生成的jtl文件,通过Jmeter自带命令,生成html报表

Jmeter命令行模式-html报表

使用已有jtl文件数据生成html报表步骤
  • 进入jmeter的bin目录下,修改reportgenerator.properties
  • 修改jmeter.reportgenerator.overall_granularity=1000(报表中数据展示间隔1秒,最低支持1秒)
  • 创建一个存放数据报表的文件夹
  • 执行命令:jmeter -g result.jtl -o ./report

其中:
-g 指定jtl文件的路径
-o 指定html报表生成到哪个文件夹下

将生成的html文件夹压缩发送到非Linux电脑查看
  • zip -r report.zip report/ 将report文件夹压缩成report.zip
  • sz report.zip 发送report.zip到当前电脑:FinalShell连接linux(前提安装有lrzsz)
  • rz 从当前电脑上传文件到Linux系统

远程命令行执行脚本

cd 脚本目录
jmeter -n -t 脚本名称.jmx -R 192.168.226.131(执行机IP) -l report/

Jmeter参数优化

  • 控制台取样间隔设置
    jmeter.properties文件
    summariser.interval=10(默认为30s,最低可设置为6s,这里修改为10s)

  • Jvm参数优化
    bin目录下, vi jmeter,修改HEAP的size大小,默认为1024M,可以设置成2048M(前提内存足够)
    HEAP="-Xms2g -Xmx2g -XX:MaxMetaspaceSize=256m"

  • 默认编码修改
    sampleresult.default.encoding=UTF-8

命令行执行脚本中的结果树使用

  • GUI模式下结果树展示比较消耗性能
  • 可以设置结果数写入的文件及写入的数据,勾选仅错误日志写入,在非GUI模式下执行脚本image
  • 脚本执行后,如有错误,可在GUI模式下打开xml文件进行排查问题image
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值