• LR使用流程简介之调试脚本(运行设置、编写说明)


    1、运行时设置
    1)运行逻辑
    初始化中放登录的脚本、Action中放具体的业务操作脚本,结束中放退出登录的脚本,一般不需要做重复登录、退出操作

    2)日志
    在进行脚本调试时,需要开启日志(级别:标准日志,扩展日志:需要观察参数替换、及服务器返回的数据就开启扩展日志,且选中对应项)
    在进行场景压测,只开启仅在出错时发送消息

    3)思考时间
    压测时可开启思考时间,按最小值、最大值的方式进行设置

    4)其他
    错误处理中出现错误时仍然继续
    出错时生成快照
    一般选择多线程运行方式

    5)浏览器模拟
    选中每次迭代模拟一个新用户
    选中每次迭代清除高速缓存

    Resource设置说明
    LR中 Resource 中表示 URL是否属于资源
    Resource=0 表示非资源
    在重放时,该资源会被下载;
    未从服务器下载到资源,LR会给出错误信息,对应的事物状态为 fail。

    Resource=1 表示为资源
    在选中 Download non-HTML resources选项,才会被下载。
    未从服务器下载到资源,LR会给出警告信息,对应的事物状态为 pass;

    RecContentType 表示资源类型,当设置了 Resource后,RecContentType会被覆盖
    包含primary、secondary两个类型值,primary类型值最常见的有text,application,,image,而secondary随着资源变动

    6)首选项
    高级选项中,设置连请求接超时、接收超时、保持连接超时时间为20~30秒

    7)其他保持默认,如果需要更改,根据实际情况去调整


    2、编写说明
    1)脚本路径不能包含中文,脚本中需要有注释

    2)提取最基本的URL,去掉多余,无用的URL请求

    3)思考时间在需要的情况时去设置,需要配置为动态变化的情况

    4)在高并发下的请求下,需要用到检查点进行检查

    5)检查点使用:取从响应的页面中返回的唯一值,使用 sequential + iteration

    6)检查点唯一值:有且只有在成功状态下,才会返回的值,检查点尽可能用英文,不要用中文

    7)验证码如何处理:绕过验证码、使用万能验证码

    8)性能测试不考虑异常数据,只考虑正常的功能

    9)需要编写性能测试用例

    10)1个脚本只实现1个业务点(功能点),1个场景是多个脚本组合,只保留与性能点相关的内容,异步处理的,保留多个请求,从而确保压力目标。

    11)场景的比例设置,通过场景设置来使用,不要用run-logic,run-logic方式比较复杂也不灵活

    12)在压测场景中,日志需要设置为:仅在出错时发送消息

    13)设置脚本在发生错误时,可以继续运行,一般选择线程运行方式

    14)在进行注册时,用户名可以用时间戳进行参数化处理,更新值的时间:iteration

    15)有注册的登录:登录时使用参数化的方式同注册一致

    16)没有注册的登录:使用:unique + once,需要考虑没有数据的情况

    17)发帖子参数化处理:使用 random + iteration

    18)将下拉选项的值全部列举出来,保存到一个文件(参数化:File)中,然后通过参数化去使用

    19)时间的处理:选择符合要求的时间戳格式:Date/Time+偏移量

    20)多个人编写脚本,需要先定制脚本编写模板及标准

    21)代码的注释:输入 输出 实现的功能 编写者 编写和修改时间

    22)问题分析:参数化问题:单用户跑脚本没问题,但多用户跑脚本有问题,日期参数化问题:今天跑脚本没有问题,明天跑脚本有问题,数据准备问题:跑1分钟没有问题,跑10分钟有问题。

  • 相关阅读:
    'utf-8' codec can't decode byte 0xff in position 0: invalid start byte
    Tensorflow滑动平均模型解析
    [TFRecord格式数据]利用TFRecords存储与读取带标签的图片
    [TFRecord文件格式]基本介绍
    tensorflow Image 解码函数
    Tensorflow ActiveFunction激活函数解析
    tensorflow.python.framework.errors_impl.OutOfRangeError: FIFOQueue
    tf.train.shuffle_batch函数解析
    sparse_softmax_cross_entropy_with_logits
    softmax_cross_entropy_with_logits
  • 原文地址:https://www.cnblogs.com/NiceTime/p/10025729.html
Copyright © 2020-2023  润新知