Apache JMeter 2.9 简单上手教程(附下载包)

简介: JMeter是一款开源性能测试工具,用于模拟多用户并发访问网站或接口,检测服务器负载能力。本文介绍其基本使用:下载解压、配置JDK、启动运行,通过创建线程组、添加HTTP请求和监听器,完成对百度首页的并发测试,并查看响应时间与错误率,帮助初学者快速上手性能测试。

一、先搞懂:JMeter是干啥的?

简单说就是模拟很多人同时访问你的网站/接口,看服务器扛不扛得住。比如你做了个登录接口,想测1000个人同时点登录会不会崩,用它就对了。

二、准备工作:下载+解压

  1. 下载:安装包下载:https://pan.quark.cn/s/109cb57b39e1,下apache-jmeter-2.9.zip(注意别下错版本,2.9是2013年的老版本,但胜在兼容性好)。
  2. 解压:随便找个盘(比如D盘),解压后得到apache-jmeter-2.9文件夹,里面就是所有文件了。

三、启动JMeter:重点!别踩权限坑

JMeter是Java写的,必须先装JDK(推荐JDK 6/7,2.9对高版本JDK可能不兼容)。

步骤:

  1. 确认JDK安装:打开命令行输入java -version,能显示版本号就行(比如java version "1.7.0_80")。

  2. 启动JMeter:

    • 进入解压后的bin目录(比如D:\apache-jmeter-2.9\bin);
    • 双击jmeter.bat(Windows)或jmeter.sh(Mac/Linux);
    • 等几秒,会弹出两个窗口:黑色命令行窗口(别关!)灰色主界面(JMeter操作面板)。

四、跑第一个测试:HTTP请求测试(以百度为例)

目标:模拟10个人同时访问百度首页,看响应时间。

步骤1:新建测试计划

主界面默认已经有一个“测试计划”,右键它→添加→Threads(Users)→线程组

  • 线程数:填10(模拟10个用户);
  • Ramp-Up Period:填10(10秒内启动完10个用户,避免瞬间压垮服务器);
  • 循环次数:填1(每个用户只访问1次)。

步骤2:添加HTTP请求

右键刚建的“线程组”→添加→Sampler→HTTP请求

  • 协议:填http
  • 服务器名称/IP:填www.baidu.com
  • 端口号:默认80(不用改);
  • 方法:选GET
  • 路径:填/(访问首页)。

步骤3:加结果查看器(不然看不到数据)

右键“线程组”→添加→监听器→查看结果树(看每个请求的详细响应);

再右键“线程组”→添加→监听器→聚合报告(看整体统计,比如平均响应时间、错误率)。

步骤4:运行测试!

点击工具栏绿色三角形按钮(▶️),开始跑测试。

  • 等进度条走完(命令行窗口会显示“测试完成”);
  • 去“查看结果树”里看:选一个请求,能看到请求头、响应数据(百度返回的HTML);
  • 去“聚合报告”里看:重点关注Average(平均响应时间)Error%(错误率) ,如果Error%是0,说明测试成功~

五、常见问题(血泪教训)

  1. 启动报错“Java not found” :没装JDK或环境变量没配好,重新检查JDK安装,确保java命令能在命令行运行。
  2. 中文乱码:JMeter 2.9默认编码可能有问题,解决方法:打开bin/jmeter.properties,找到sampleresult.default.encoding=ISO-8859-1,改成sampleresult.default.encoding=utf-8,保存后重启JMeter。
  3. 结果树没数据:检查HTTP请求的IP/路径是否正确(比如百度要写www.baidu.com而不是baidu.com),或者线程组的线程数填了0。

相关文章
|
9天前
|
数据采集 人工智能 安全
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
312 164
|
4天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
318 155
|
5天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
350 4
|
12天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
878 6

热门文章

最新文章