[性能测试]

Jmeter实验案例

样例1

  • 一个线程组,添加http请求
    • 线程数为2,循环3,查看结果
    • 线程数为2,循环2,查看结果
  • 分析:
    • 线程数代表虚拟用户数,用户数越多,负载越大
    • 循环次数代表运行时间,次数越多,运行时间越长

GET POST传递参数

  • GET请求:URL路径为http://www.baidu.com/S?wd=test
    • 要求:使用http请求-路径来传递get请求参数

路径
路径结果

  • 样例3
  • GET请求:URL路径为https://www.baidu.com/S?wd=test
    • 要求:使用http请求-参数列表来传递get请求参数

在这里插入图片描述
在这里插入图片描述

  • 样例4
  • POST请求:URL路径为https://www.baidu.com/S,请求体为wd=test(form表单)
    • 要求:使用http请求-参数列表来传递post请求的form格式参数

在这里插入图片描述
在这里插入图片描述

  • 样例5
  • POST请求:URL路径为http://www.baidu.com/S,请求体为wd=test(form表单)
    • 要求:使用http请求-消息体来传递post请求的form格式参数

在这里插入图片描述

  • 如何配置发送http请求
    • 发送get请求(请求参数在路径中)
      • url:协议 服务器ip等
      • 参数:路径后面添加参数,格式:?键名=键值&键名=键值
    • 发送post请求(请求参数在消息体中)
      • 参数:在消息体中添加请求体post(json/form),参数列表中添加参数(form)

参数化样例----不同测试用例调用相同测试方法

  1. 用户定义变量:定义全局变量,但每次取值(无论是否相同用户)都是固定值
  2. 用户参数:保证不同用户针对同一组参数,取到不同的值,但用一用户多次循环时,会取到相同的值
  3. csv数据文件设置:不同用户及同一用户多次循环,可以取到不同的值,但需要手动进行测试数据的设置
  4. 保证不同用户多次循环时可以取到不同的值,不需要提前设置
  • 定义变量实现----全局变量
    1. https://www.baidu.com:443
    2. 使用用户定义的变量配置被测系统的协议域名和端口号

在这里插入图片描述
在这里插入图片描述

  • 用户参数----为每个用户分配不同的参数值
    • http://www.baidu.com
    • 第一个用户请求附带参数:name=“张三”&age=28;第二个用户请求附带参数:name=“李四”&age=30

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1.什么时候使用用户参数?
针对用一组参数,不同用户来访问时,获取不同的值
2.使用用户参数步骤
	1>添加线程组,设置线程数为n(表示模拟的用户数)
	2>添加用户参数,每一列添加多个变量名,每一列为一组用户的数据
	3>添加http请求,引用定义的变量名,格式${变量名}
	4>添加查看结果树
  • CSV数据文件设置----文件方式参数化

在这里插入图片描述
在这里插入图片描述

1.何时使用csv数据文件设置
不同用户或者同一个用户多次循环,获取不同的值
2.使用csv数据文件设置,进行参数化的步骤
	1> 添加csv文件
	2> 添加线程组,读取csv数据(注意格式),第一行没名不用忽略
	3> 添加csv数据文件设置
  • 函数----随机数据
    • http://www.baidu.com/S?num=1
    • 要求:每个用户每次执行脚本都可以使用不同的值

在这里插入图片描述
在这里插入图片描述

Jmeter关联

  • 正则表达式提取器(对任意格式进行提取)

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

  • Xpath提取器

在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
取到的值
在这里插入图片描述

1> 何时用XPATH提取器?
	针对html响应格式数据时
2>步骤:
	添加线性组-添加http请求-itcast
	添加XPATH提取器(勾选use tidy),XPATH Query用于提取值得XPATH,//代替
	添加http请求百度
  • JSON提取器

在这里插入图片描述
这个例子实在是写不正确怎么回事,不写了

1> 什么时候用XPATH提取器?
	针对json提取器进行提取
2> 具体操作步骤?
	添加线程组-添加http请求-添加json提取器-参数名路径写对~-添加查看结果树

jmeter属性—跨线程组使用

1.添加线程组1
2.添加HTTP请求
3.添加json提取器
4.添加beanshell取样器(将json提取器提取的值保存为jmeter属性)

在这里插入图片描述
在这里插入图片描述
读取
在这里插入图片描述
在这里插入图片描述

逻辑控制器

  • (if)控制器
1.使用用户定义的变量,定义一个name,name的值可以是baidu或itcast
2.根据name变量值实现对应网站的访问
`````````````````步骤`````````````````
1.添加线程组
2.用户定义的变量
3.添加if控制器,判断name是否等于baidu
4.添加http请求,访问百度
5.添加if控制器,判断name是等于itcast
6.添加http请求访问itcast,查看结果树

注:取消勾选interpret,使用多个name要修改用户定义的变量
在这里插入图片描述
在这里插入图片描述

使用函数解析,勾选interpret
在这里插入图片描述
在这里插入图片描述

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