Jmeter快速入门

简介: 本文介绍JMeter的安装与快速入门使用方法,包括环境依赖、下载解压、启动运行、中文界面设置及基本测试计划创建,涵盖线程组配置、HTTP请求添加、监听器使用等性能测试核心操作步骤。

1.安装Jmeter
Jmeter依赖于JDK,所以必须确保当前计算机上已经安装了JDK,并且配置了环境变量。

1.1.下载
可以Apache Jmeter官网下载,地址:http://jmeter.apache.org/download_jmeter.cgi

APACHE JMETER 5.4.1(REQUIRES JAVA 8

A8+)

BINARIES

APACHE JMETER-5.4.1.TGZ SHA512 PGP

APACHE-JMETER-5.4.1.ZIP SHA512 PGP

SOURCE

APACHE-JMETER-5.4.1 SRC.TGZ SHA512 PGP

APACHE-JMETER-5.4.1 SRC.ZIP SHA512 PGP


也可以使用下载好的安装包:

apache-jmeter-5.4.1.zip(70.6 MB)
1.2.解压
因为下载的是zip包,解压缩即可使用,目录结构如下:

名称

类型

文件夹

BACKUPS

文件夹

BIN

文件夹

DOCS

文件夹

EXTRAS

文件夹

LIB

文件夹

LICENSES

文件夹

PRINTABLE DOCS

文件

LICENSE

文件

NOTICE

MARKDOWN FILE

README.MD


其中的bin目录就是执行的脚本,其中包含启动脚本:

卷(D:) DEVELOP > APACHE-JMETER-5.4.1

BIN

名称

HEAPDUMP.CMD

HEAPDUMP.SH

JAAS.CONF

JMETER

JMETER.BAT

JMETER.LOG

JMETER.PROPERTIES


1.3.运行
双击即可运行(或执行指令:sh jmeter.sh ),但是有两点注意:
启动速度比较慢,要耐心等待
启动后黑窗口不能关闭,否则Jmeter也跟着关闭

APACHE JMETER(5.4.1)

FILE EDIT SEARCH RUN OPTIONS TOOLS HELP

测试计划

TEST PLAN

NAME:

COMMENTS:

USER DEFINED VARIABLES

VALUE

NAME:

DELETE

ADD FROM CLIPBOARD

DETAIL

UP

DOWM

ADD

RUN THREAD GROUPS CONSECUTIVELY (I.E. ONE AT A TIME)

RUN TEARDOWN THREAD GROUPS AFTER SHUTDOWN OF MAIN THREADS

FUNCTIONAL TEST MODE (I.E. SAVE RESPONSE DATA AND SAMPLER DATA)

SELECTING FUNCTIONAL TEST NODE MAY ADVERSELY AFFECT PERFORMANCE.

DELETE

ADD DIRECTORY OR JA

JAR TO CLASSPATH BROWSE...

CLEAR

LIBRARY


2.快速入门
2.1.设置中文语言
默认Jmeter的语言是英文,需要设置:

APACHE JMETER(5.4.1)

FILE EDIT SEARCH RUN

OPTIONS TOOLS HELP

LOOK AND FEEL

LOG VIEWER

测试计划

LOG LEVEL

SSL MANAGER

CTRL+M

ENGLISH

CHOOSE LANGUAGE

CTRL+MINUS

COLLAPSE ALL

FRENCH

EXPAND ALL

CTRL+SHIFT+MINUS

GERMAN

USER D

NORWEGIAN

ZOOM IN

ZOOM OUT

POLISH

PORTUGUESE(BRAZILIAN)

SAVE AUTOMATICALLY BEFORE RUN

SPANISH

TURKISH

JAPANESE

CHINESE(SIMPLIFIED)

CHINESE(TRADITIONAL)

KOREAN

效果:

APACHEJMETER(5.4.1)

文件编辑查找运行选项工具帮助

测试计划

名称:

注释:

用户定义的变量

名称:

向上

从剪贴板添加

删除

详细

向下

添加

口独立运行每个线程组(例如在一个组运行结束后启动下一个)

@主线程结束后运行 TEARDOWN线程组

口函数测试模式

只有当你需要记录每个请求从服务器取得的数据到文件时才需要选择函数测试模式.选择这个选项很影响性能.

清除

浏览...

删除

添加目录或JAR包到CLASSPATH


注意:上面的配置只能保证本次运行是中文,如果要永久中文,需要修改Jmeter的配置文件
打开jmeter文件夹,在bin目录中找到 jmeter.properties,添加下面配置:

PROPERTIES ARE DESCRIBED IN THE FILE

JMETER

HTTP://JMETER.APACHE.ORG/USERMANUAL/PROPERTIES_REFERENCE.HTML

: A LOCAL COPY CAN BE FOUND IN

PRINTABLE_DOCS/USERMANUAL/PROPERTIES_REFERENCE.HTML

#PREFERRED GUI LANGUAGE. COMMENT OUT TO USE THE THE JVM DEFAULT LOCALE'S LANGUAGE.

LANGUAGEZH_CN

注意:前面不要出现#,#代表注释,另外这里是下划线,不是中划线
2.2.基本用法
在测试计划上点鼠标右键,选择添加 > 线程(用户) > 线程组:

APACHE JMETER(5.4.1)

文件编辑查找运行选项工具帮助

测试

线程

(用户)

添加

SETUP线程组

TEARDOWN线程组

粘贴

配置元件

CTRL+V

线程组

监听器

打开...

定时器

合并

选中部分保存为...

前置处理器

>

名称:

保存节点为图片

后置处理器

CTRL+G

CTRL+SHIFT+G

断言

保存屏幕为图片

启用

测试片段

禁用

非测试元件

切换

CTRL+T

帮助


在新增的线程组中,填写线程信息:

测试计划

线程组

线程组

名称:

线程组

注释:

在取样器错误后要执行的动作

继续O启动下一进程循环

停止线程

停止测试

立即停止测试

线程属性

100代表用户数量

线程数:

RAMP-UP时间(秒): 10 代表用户访问时间,10秒.表示100个用户10秒内完成,那每秒就是10次

循环次数

永远

每个用户访问次数,1就是只请求一次


给线程组点鼠标右键,添加http取样器:

测试计划

线程组

线程组

添加

取样器

HTTP请求

测试活动

为子线程添加响应时间

逻辑控制器

DEBUG SAMPLER

启动

JSR223 SAMPLER

前置处理器

不停顿启动

后置处理器

AJP/1.3取样器

验证

断言

ACCESS LOG SAMPLER

CTRL+X

剪切

BEANSHELL取样器

定时器

复制

CTRL+C

BOLT REQUEST

CTRL+V

粘贴

测试片段

FTP请求

LA SHIT C

有E


编写取样器内容:

文件编辑查找运行选项工具帮助

-

测试计划

HTTP请求

@线程组

名称:

HTTP请求

HTTP请求

注释:

基本高级

WEB服务器

端口号

请求的域名或IP地址

服务器名称或IP:

协议:HTTP

端口号:

请求协议

LOCALHOST

8088

HTTP请求

请求路径

路径:

内容编码:

GET  请求方式

/ORDER/101

与浏览器兼容的头

跟随重定向

自动重定向

使用 KEEPALIVE

对POST使用MUL TIPART / FORN-DATA

参数消息体数据文件上传

同请求一起发送参数;

包含等于?

编码?

名称:

内容类型

参数,如果有的话


添加监听报告:

测试计划

HTTP请求

线程组

名称:

HTTP请求

HTTP请求

添加

断言

插入上级

定时器

剪切

CTRL+X

前置处理器

复制

CTRL+C

后置处理器

粘贴

CTRL+V

名称或IP:

LOCALHOST

复写

CTRL+SHIFT+C

配置元件

删除

DELETE

监听器

察看结果树

龄仁

/ORAER7

汇总报告

打开...

聚合报告

使用

跟随重定向

合并

后端监听器

文件上传

选中部分保存为...

保存为测试片段

JSR223 LISTENER

保存响应到文件

名称:

保存节点为图片

CTRL+G

响应时间图

CTRL+SHIFT+G

保存屏幕为图片

图形结果

断言结里

启用


添加监听结果树:

测试计划

HTTP请求

线程组

名称:

HTTP请求

HTTP请求

断言

添加

插入上级

定时器

CTRL+X

剪切

前置处理器

复制

CTRL+C

后置处理器

粘贴

CTRL+V

服务器名称或IP:

LOCALHOST

CTRL+SHIFT+C

复写

配置元件

删除

察看结果树

DELETE

监听器

汇总报告

打开...

定向

OST使用

跟随重定向

聚合报告

合并

后端监听器

息体数据文件上

选中部分保存为...

保存为测试片段

JSR223 LISTENER

保存响应到文件

名称:

CTRL+G

保存节点为图片

响应时间图

CTRL+SHIFT+G

保存屏幕为图片

图形结果


汇总报告结果:

THROUGHP RECEIVED SENT KB/SAVG. BYTES

LABE1

STD. DEV.ERROR%

# SAMPLESAVERAGE

MIN

MAX

HTTP请求

9

1

10.01181

2.26

24485

239.39

0.00%

500

9

总体

24485

500

239.39

2.26

10.01181

0.00%


结果树:

察看结果树

名称:

察看结果树

注释:

所有数据写入一个文件

仅错误日志

显示日志内容:

文件名

浏览...

重置

区分大小写

查找

查找:

正则表达式

取样器结果

TEXT

请求

响应数据

HTTP请求

THREAD NAME:流控入门,QPS <5 1-1

HTTP请求

SAMPLE START:2021-06-15 20:13:59 CST

HTTP请求

LOAD TIME:89

CONNECT TIME:33

HTTP请求

LATENCY:62

HTTP请求

SIZE IN BYTES:317

HTTP请求

SENT BYTES:125

HEADERS SIZE IN BYTES:162

HTTP请求

BODY SIZE IN BYTES:155

HTTP请求

SAMPLE COUNT:1

HTTP请求

ERROR COUNT:0

DATA TYPE ("TEXT"L"BIN"L"):TEXT

HTTP请求

RESPONSE CODE:200

HTTP请求

RESPONSE MESSAGE:

HTTP请求

HTTP请求

HTTPSAMPLERESULT FIELDS:

HTTP请求

CONTENTTYPE:APPLICATION/JSON

HTTP请求

DATAENCODING:NUL1



相关文章
|
1天前
|
云安全 人工智能 算法
以“AI对抗AI”,阿里云验证码进入2.0时代
三层立体防护,用大模型打赢人机攻防战
1288 1
|
9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。
696 4
|
2天前
|
机器学习/深度学习 安全 API
MAI-UI 开源:通用 GUI 智能体基座登顶 SOTA!
MAI-UI是通义实验室推出的全尺寸GUI智能体基座模型,原生集成用户交互、MCP工具调用与端云协同能力。支持跨App操作、模糊语义理解与主动提问澄清,通过大规模在线强化学习实现复杂任务自动化,在出行、办公等高频场景中表现卓越,已登顶ScreenSpot-Pro、MobileWorld等多项SOTA评测。
527 2
|
3天前
|
人工智能 Rust 运维
这个神器让你白嫖ClaudeOpus 4.5,Gemini 3!还能接Claude Code等任意平台
加我进AI讨论学习群,公众号右下角“联系方式”文末有老金的 开源知识库地址·全免费
|
2天前
|
存储 弹性计算 安全
阿里云服务器4核8G收费标准和活动价格参考:u2a实例898.20元起,计算型c9a3459.05元起
现在租用阿里云服务器4核8G价格是多少?具体价格及配置详情如下:云服务器ECS通用算力型u2a实例,配备4核8G配置、1M带宽及40G ESSD云盘(作为系统盘),其活动价格为898.20元/1年起;此外,ECS计算型c9a实例4核8G配置搭配20G ESSD云盘,活动价格为3459.05元/1年起。在阿里云的当前活动中,4核8G云服务器提供了多种实例规格供用户选择,不同实例规格及带宽的组合将带来不同的优惠价格。本文为大家解析阿里云服务器4核8G配置的实例规格收费标准与最新活动价格情况,以供参考。
229 150
|
9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。
353 164