- 博客(24)
- 收藏
- 关注
RSS订阅原创 性能测试中，到底是使用一个接口查询同一个单据详情模拟并发，还是一个接口通过CSV查询多个单据详情模拟并发
本文对比了两种JMeter性能测试场景：固定单据查询（场景A）和CSV参数化多单据查询（场景B）。关键差异在于缓存命中率、响应时间稳定性和数据库压力：场景A因查询固定ID，缓存命中率达100%，响应稳定（15ms），吞吐量高（800req/s）；场景B因查询不同ID，缓存命中率低，响应波动大（85ms±25ms），吞吐量较低（350req/s）。场景A适合测试缓存极限和基础设施性能，场景B更能反映真实业务负载和数据库性能。建议测试时先执行场景B评估系统真实性能，再用场景A验证优化效果，二者结合才能全面评估系
2025-11-26 14:18:43
888
原创 性能压测中，当数据库CPU占有率超过85%的限制，还需要继续往上压吗？
摘要：数据库CPU占用率达到85%时已属于性能临界点，继续加压将面临系统崩溃风险。此时应停止测试并转向分析：检查慢查询、锁竞争等数据库瓶颈，优化SQL、索引或架构（如引入缓存）。性能测试的核心价值在于循环"测试-分析-优化"过程，而非单纯压垮系统。建议记录当前TPS作为安全水位线，完成优化后重新测试验证效果。
2025-11-13 17:12:34
649
原创 JMeter中几个控制器的区别是什么
摘要：JMeter逻辑控制器可分为四类：1.基础控制器(简单控制器、循环控制器)用于组织和重复操作；2.执行顺序控制器(随机、随机顺序、交替、切换控制器)控制子元素执行顺序；3.模块化控制器(模块、包含、事务控制器)实现代码复用和事务统计；4.条件逻辑控制器(If、Once Only、While控制器)用于条件判断和单次执行。每种控制器都有特定用途，如随机控制器模拟用户随机选择操作，事务控制器将多个请求打包统计。合理选用控制器可提高测试脚本的结构性和灵活性。
2025-11-04 11:04:20
582
原创 公文类文体的评测标准怎么做
摘要：公文评价体系以"准确、严谨、规范、高效"为原则，构建了四大评价维度（满分100分）：规范性（25%）考察文种选择、格式要素等；准确性（30%）评估政策法律、事实数据等精准度；严谨性（25%）检验结构逻辑与内容完整性；有效性（20%）衡量执行措施的可行性。评分结果分为优秀（90+）、良好（75-89）、合格（60-74）和不合格（60-），旨在确保公文能被准确理解执行。该标准强调客观性，要求任何专业人员都能无歧义地处理文件。
2025-10-24 18:10:49
1067
原创 性能测试单场景测试时，是设置并发读多个文件，还是设置不同的用户读不同的文件？
两种测试场景的核心区别在于侧重点不同：场景一（并发读不同单据）主要测试系统处理大量不同单据数据的能力，重点关注数据库压力、缓存穿透和慢查询问题；场景二（不同用户读不同单据）则侧重用户会话管理、权限验证性能及缓存命中率。建议两种场景都进行测试：先用场景一找出系统绝对瓶颈，再用场景二模拟真实用户行为验证系统稳定性。测试时需监控响应时间、吞吐量、错误率等关键指标，并关注数据库、缓存、服务器资源使用情况。
2025-10-15 16:58:53
712
原创 WEB系统数据库切换的性能测试方案要点有哪些
本文系统阐述了数据库性能测试方案，包括测试目标、环境准备、性能指标、场景设计、工具选择、执行流程和报告产出。测试旨在验证新数据库在响应时间、吞吐量、稳定性等方面的表现，并与旧数据库进行基准对比。强调测试环境须与生产环境一致，特别是数据量的模拟。提供详细的指标监控体系和多维度测试场景设计方法，包括基准测试、负载测试、稳定性测试等。推荐使用JMeter等工具，并给出监控工具组合建议。最后指出数据库切换需特别注意SQL兼容性、事务机制等差异。该方案为数据库迁移提供全面的性能评估框架。
2025-10-13 15:05:36
667
原创 智能问答类AI测试如何设计测试用例
需求分析：明确AI的领域、目标用户和能力边界。测试策划：基于上述维度，制定测试策略和计划。用例设计：设计详细的功能、安全、性能测试用例，构建测试数据集。测试执行自动化执行：运行性能、接口和部分回归测试。人工执行：深入评估回答质量、安全性和复杂场景。评估与报告：结合自动化指标和人工评估结果，生成测试报告，突出问题并给出改进建议。回归测试：对修复的问题和新版本进行回归，确保没有引入新缺陷。
2025-09-17 13:59:27
1333
原创 智能问答类AI测试从哪几个方面进行
人工测试探索性测试：测试人员凭经验和直觉自由提问，发现意想不到的问题。基于用例的测试：设计覆盖各种场景（正常、异常、边界）的测试用例集，进行系统性验证。A/B测试：对比不同模型或不同策略的效果，让真实用户投票或评估。红队测试：模拟恶意攻击者，专门寻找AI的安全漏洞、偏见和越狱方法。自动化测试单元测试：对AI的某个具体功能模块（如意图识别、实体抽取）进行测试。回归测试：在模型更新后，自动运行核心测试集，确保新版本没有引入旧问题。自动化评估。
2025-09-10 10:50:23
1953
原创 如何写性能测试报告
本文阐述了性能测试报告的核心价值和撰写要点。报告需兼顾技术细节与业务视角，围绕验证性能需求展开，以数据支撑结论，明确系统达标情况、风险及改进建议。标准结构包含10个模块：摘要、背景目标、环境信息、测试策略、执行情况、结果分析、瓶颈总结、优化建议、结论及附录。关键要点包括：用图表直观呈现指标趋势，按优先级排序问题，给出具体可落地的优化方案，避免模糊表述。报告应确保数据真实可复现，技术语言与业务语言结合，为决策提供可靠依据。最终目标是帮助团队判断系统是否满足性能要求，并为优化提供明确方向。
2025-09-09 10:19:52
1247
原创 性能测试结果如何记录？
本文详细阐述了性能测试结果记录的规范要求，提出结构化记录框架，包括四大核心模块：测试基础信息（环境、版本等上下文）、核心性能指标（用户层、应用层、服务器层、数据库层四维度）、测试过程与异常（场景、问题、调优）、结果分析与结论（达标判断、瓶颈定位）。同时推荐使用Markdown/Excel等工具标准化记录，并给出简化模板示例。强调记录需满足完整性、准确性、一致性、可读性四大原则，确保结果可追溯、可对比、可复现，为系统优化提供可靠依据。
2025-09-05 13:52:41
1321
原创 性能测试过程中，要关注哪些数据
性能测试需从用户体验、系统表现、资源消耗和稳定性四个维度全面监控。重点关注核心业务指标（响应时间、并发用户数、吞吐量等）、服务器性能（CPU、内存、I/O等）、前端性能（页面加载速度）以及稳定性指标（错误率、容错能力）。通过全链路追踪和关联分析定位瓶颈，确保系统在峰值和长期运行下的可靠性。测试工具如JMeter、Prometheus等可辅助数据收集与分析。最终目标是保证业务可用性，为优化提供精准依据。
2025-09-04 13:50:35
1258
原创 性能测试中，测试数据如何进行CSV 分片存储
摘要：处理大型CSV测试数据时，分片存储可有效避免内存溢出。主要方法包括：按数据量或业务类型拆分文件，建立分片索引管理；实现方式有手动分片、Python脚本自动分片（推荐）及专业工具；分片后需合理配置测试工具，控制数据复用，并监控编码一致性、字段对齐等关键点。该策略特别适用于百万级数据量的性能测试，能显著提升内存效率和管理便利性。（149字）
2025-09-03 10:56:31
553
原创 性能测试脚本设计的核心技巧概要总结
性能测试脚本设计核心技巧包括：1）精准模拟用户行为，包括业务比例分配和网络环境；2）参数化与数据管理，区分静态/动态参数并优化数据源；3）智能关联与事务控制，精确定位动态值并合理拆分事务；4）脚本增强技术，优化思考时间并完善错误处理；5）提升脚本性能与可维护性，采用模块化设计和资源控制；6）特殊场景处理，如长连接和大数据量测试。这些方法确保测试脚本能真实反映系统性能，为瓶颈分析提供可靠依据。
2025-09-02 09:49:18
283
原创 性能测试中，性能脚本设计基础总结
本文介绍了性能测试脚本设计的关键要点：首先要明确测试目标与场景，确定测试类型、用户行为路径和性能指标；其次在脚本设计中需包含业务流程模拟、参数化处理、动态关联、思考时间设置和检查点设计等核心要素；此外还提供了脚本优化技巧如减少冗余、模块化设计等，并给出LoadRunner脚本示例；最后强调脚本需具备真实性、可维护性等特性，以确保测试结果准确反映系统性能表现。
2025-09-01 14:42:41
434
原创 性能测试中，如何确定测试场景的执行频率
摘要：性能测试中，确定合理的测试场景执行频率（TPS/QPS）需要遵循"业务驱动-技术校准-梯度验证"三步法：首先基于生产历史数据或业务规划推导目标频率，再结合系统技术约束（如硬件资源、数据库瓶颈）校准上限，最后通过梯度压测验证有效范围。需特别注意秒杀、批处理等特殊场景的特殊频率计算方式，避免脱离业务需求盲目追求高频率、忽视数据量累积效应等常见误区。最终应输出系统在不同压力下的稳定运行范围及瓶颈点，为性能优化提供依据。
2025-08-29 15:31:49
1194
原创 性能测试中，如何设计性能测试的测试场景呢
本文介绍了性能测试场景设计的核心原则与具体步骤，强调要模拟真实业务场景与系统压力。设计需遵循"3个对齐"原则：业务目标、测试类型和系统架构。6个关键步骤包括：明确场景目标、梳理业务流程、设计瓶颈验证场景、按测试类型差异化设计、补充异常场景、优先级排序。文中提供了电商系统测试场景案例，并指出注意事项：场景可复现性、端到端流程测试和充分数据准备。通过系统化设计，可有效验证性能瓶颈，为优化提供依据。
2025-08-28 11:00:48
1702
原创 接到性能测试需求后，如何确定性能测试的类型？
摘要：性能测试类型的选择需围绕测试目标、业务场景和技术指标三者匹配。常见的7种测试类型包括负载测试、压力测试、并发测试等，各有不同的核心目标和适用场景。通过"四步决策法"（明确目标、匹配业务、对齐指标、结合系统阶段）可精准确定测试类型。实际应用中常需组合多种测试类型，但需避免盲目追求全类型覆盖，应根据业务优先级选择。该决策方法可帮助聚焦核心性能风险点，避免资源浪费。
2025-08-26 16:09:31
790
原创 性能测试开始前，需要做什么准备？
性能测试准备工作包括：1.明确测试目标（如评估响应时间、吞吐量或稳定性）和范围（确定测试模块）；2.收集系统架构、业务流程和数据规模等信息；3.制定测试计划，包括测试策略、环境搭建、人员和时间安排；4.准备具有代表性的测试数据；5.选择合适的测试工具并编写测试脚本；6.对测试人员进行培训，并与相关部门沟通协调。通过系统化的准备，可确保性能测试的有效性和可靠性。
2025-08-22 14:24:54
1126
原创 JMETER中，如何实现数据是动态的，且需按固定的格式加密传输报文
【摘要】JMeter测试加密变动报文的核心步骤：1)参数化动态数据，使用函数助手、CSV文件或自定义变量生成时间戳、随机数等；2)通过JSR223预处理程序(Groovy脚本)或BeanShell实现加密逻辑，处理参数化数据并存储密文；3)在HTTP请求中引用加密变量组装报文。需注意加密算法一致性（密钥、填充模式等），推荐JSR223+Groovy提升性能，敏感密钥应避免硬编码。可选添加后置处理器解密响应进行验证。（150字）
2025-08-21 16:05:45
1397
原创 JMeter中如何实现前置采样器执行后，该采样器才执行？
JMeter实现采样器顺序执行的5种方法：1.利用测试计划天然顺序，按采样器摆放位置执行；2.使用事务控制器将多个采样器作为整体按序执行；3.通过仅一次控制器确保前置采样器只执行一次；4.结合If控制器和变量控制实现条件执行；5.利用模块控制器复用测试片段。不同场景可选择单独或组合使用这些方法，简单顺序执行推荐第一种，复杂条件控制推荐第四种。
2025-08-20 16:32:32
389
原创 JMeter之响应断言的匹配规则怎么选择？使用场景是什么
JMeter的ResponseAssertion提供了多种模式匹配规则：Contains用于验证响应中是否包含特定字符串；Matches支持正则表达式匹配；Equals要求完全匹配；Substring强调连续子串匹配。Not和Or可与其他规则组合使用，分别实现否定条件和多选条件验证。需特别注意Contains和Substring的区别，前者只需包含即可，后者要求连续匹配。这些规则可根据不同测试场景灵活选用，如验证状态码、错误信息或数据格式等。
2025-08-19 15:25:25
316
原创 JMeter脚本突然无法打开，如何排查
遇到这种情况，可以肯定的是近期做了一些操作，影响到JMeter本身的正常运行，所以在排查的时候，如果记得近期做了什么操作，那第一步就是消除近期的操作，还原到正常状态。如果，实在不记得了，那么可以按下面提示的几个方面，逐步的排查和解决。脚本，检查是否有乱码或 XML 格式错误（JMeter 脚本本质是 XML 文件），或从备份恢复。：重新启动 JMeter，若能正常打开，说明是插件问题，可逐个添加插件排查具体冲突的文件。：如果版本过高（如 Java 17+）或过低，卸载并安装兼容版本的 Java，确保。
2025-08-18 13:58:09
709
原创 Json断言之Match as regular expression的使用
【摘要】JMeter中的JSON断言选项"Match as regular expression"决定校验方式：勾选时使用正则表达式匹配（支持模糊匹配），不勾选则需精确匹配字符串。实际应用需根据需求选择——严格匹配特定值时不勾选或使用^0$正则；需要模糊匹配（如校验数字）时勾选并配置正确正则表达式。注意检查正则语法和JSON值类型，避免因配置错误导致断言失败。
2025-08-15 15:34:09
1029
原创 如何做Jmeter执行失败后的错误日志推送
JMeter断言与变量使用避坑指南 摘要：本文总结了JMeter测试中的三个关键避坑点：1)断言与后置处理器执行顺序问题，验证了JMeter默认执行顺序是采样器→后置处理器→断言；2)正确区分prev.isSuccessful()和断言结果获取方法，前者仅反映采样器状态，后者可获取详细断言状态；3)vars和props变量的区别，前者是线程级变量，后者是全局属性，使用时需根据场景选择。同时介绍了测试结果推送和全局变量清理的最佳实践。
2025-08-14 14:05:22
1952
【数据库技术】数据库基础详解：涵盖RDBMS特性、SQL语句、运算符及查询优化方法
2025-08-21
网络安全SQL注入技术备忘清单：常见数据库操作与攻击方法汇总
2025-08-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人