【后台测试】多客户端多进程HTTP模拟介绍

总体架构

image

 

 

主要分三个模块

控制中心模块主要维护客户端实体和操作界面的在线地址并跟踪;

针对各个节点的HTTP请求冲击频率进行授权,控制多个客户端并发总体的冲击频率,也可以各个客户端本地控制;

任务部署和控制;

结果汇总记录

 

客户端实体模拟用户的WEB操作行为,生成HTTP动作

多进程并发,针对HTTP请求的频率进行本地授权

HTTP响应结果分析,日志生成和结果上报

 

操作界面进行任务操作和控制,一些重要的日志由控制中心发送偶来进行显示,根据控制中心的客户端实体的状态显示和更新

 

核心其实就两点

1、客户端实体组织好HTTP业务流程,并记录响应结果和时间

2、单个客户端实体本地控制好HTTP请求的频率以符合预期;如果采用集中控制时,整体控制好所有客户端HTTP请求的频率

 

控制中心

处理上面介绍的,主要还会中转一下操作界面和客户单实体之间的一些日志和控制消息

image

 

操作界面

image

 

客户端实体

多进程任务的启动停止,相关结果显示上报,主要是响应结果的统计,还有时间的统计

image

转载于:https://www.cnblogs.com/inns/p/5814442.html

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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  | 博主筛选后可见
 
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