Loadrunner概念1

本文详细介绍LoadRunner 9.2版本的使用方法,包括虚拟用户脚本创建、测试配置及数据分析等关键步骤,并分享了作者在实践过程中的心得与解决常见问题的经验。
LoadRunner是性能测试入门和深入学习的极好突破口。

如下是LoadRunner中的几个关键组件:
Virtual user generator 用于创建虚拟用户
Controller 用于控制虚拟用户的运行
Analysis 用于对测试数据进行分析,找出系统的瓶颈
[img]http://thinke365.iteye.com/upload/picture/pic/33211/c479e2e4-558a-39fb-81c0-df1f671658c5.jpg[/img]

书上居然用这么老的LoadRunner,是8.0版本的,我用的是9.2版本的!!
启动虚拟用户界面,进程中多了vugen.exe
[img]http://thinke365.iteye.com/upload/picture/pic/33213/f3f07cb6-2c9b-3bb2-8a9b-8967edfd6a83.jpg[/img]
要录制动作设定
[img]http://thinke365.iteye.com/upload/picture/pic/33215/57e5771e-4fa8-368c-86c2-f6792323f3fd.jpg[/img]
Vuser脚本创建过程
[img]http://thinke365.iteye.com/upload/picture/pic/33217/ae65ac8b-999c-3f21-940e-bde841064b6f.jpg[/img]
生成的虚拟用户脚本,web_url是干什么?
[img]http://thinke365.iteye.com/upload/picture/pic/33219/8664d23e-a4f0-3b8d-8c2f-b9d7ec50efce.jpg[/img]
可以保存Vuser脚本,这个操作在之前还从来没有尝试过。。。
呵呵,可以对这个脚本进行很多修改的。。。。

进行性能测试,需要有相应的Licence。。
[img]http://thinke365.iteye.com/upload/picture/pic/33221/d2ac9857-26cc-3796-8565-20722ebf8ec3.jpg[/img]
要测试页面,在脚本中的体现,这里是在Action中的某段 web_url()
web_url("dispbbs.asp",
"URL=http://10.0.0.2/dispbbs.asp?boardID=118&ID=2",
"Resource=0",
"RecContentType=text/html",
...);
测试,两个天线都要打开,一个是
代理进程,另一个是负载生成器
[img]http://thinke365.iteye.com/upload/picture/pic/33233/04231043-00c5-3140-a235-a0036f9f9c71.jpg[/img]
需要确定负载生成器是否设置正确!!!否则一直会出现连不上负载生成器的错误。。。
[img]http://thinke365.iteye.com/upload/picture/pic/33235/638a552e-bab2-31de-9ab3-70fbce1f85cd.jpg[/img]
终于可以进行测试了,下图是被测页面的反馈:
[img]http://thinke365.iteye.com/upload/picture/pic/33237/a9957756-f8ae-3b14-8134-bd200c41228b.jpg[/img]
之前的原因就在于无法连接负载生成器,可以看到一堆错误都是一样的:
[img]http://thinke365.iteye.com/upload/picture/pic/33239/a71e4b8e-61e9-3b03-bbd7-4f58b4629274.jpg[/img]
负载生成器连接成功。以下测试就是水到渠成了。。。
[img]http://thinke365.iteye.com/upload/picture/pic/33241/a886d75b-742c-369a-a0b2-160cad15e93c.jpg[/img]
启动测试代理:
[img]http://thinke365.iteye.com/upload/picture/pic/33243/c55bff2e-7bd3-3293-94cd-5ac4b456a2d3.jpg[/img]
测试过程中,红线代表当前时间:
[img]http://thinke365.iteye.com/upload/picture/pic/33245/0dd71ec3-02d3-3ee3-9b53-3f7b296591a4.jpg[/img]
对某个页面的测试结果终于出来了!!!!!
走了很多的弯路,但毕竟成功了:)
[img]http://thinke365.iteye.com/upload/picture/pic/33247/e7db06fb-bf0c-3746-95df-fbe6e1f10c4f.jpg[/img]
测试统计数据
[img]http://thinke365.iteye.com/upload/picture/pic/33249/1e434718-bd9d-3314-948d-ae638e281b51.jpg[/img]
呵呵,这个实验可以到此为止了。。。。
Go on to the next session:)
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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