2024.4.23 LoadRunner 测试工具详解 —— VUG

2024-04-30 07:28

本文主要是介绍2024.4.23 LoadRunner 测试工具详解 —— VUG,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

引言

LoadRunner 三大组件之间的关系

LoadRunner 脚本录制

启动并访问 WebTours

脚本录制

编译

运行(回放)

LoadRunner 脚本加强

事务插入

插入集合点

插入检查点

参数化

​编辑

打印日志


引言

问题:

  • 此处为啥选择使用 LoadRunner 而不选择使用 Jmeter ?

回答:

  1. Jmeter 没有录制功能(对初学者不太友好)
  2. LoadRunner 可以设计非常丰富的测试场景
  3. LoadRunner 能够产出非常丰富的测试报告

LoadRunner 三大组件之间的关系

  • Virtual User Generator ——> 录制脚本(编写脚本)
  • Controller ——> 设计场景,运行场景
  • Analysis ——> 产出性能测试报告

LoadRunner 脚本录制

启动并访问 WebTours

  • 找到 LoadRunner 的安装目录,按图示路径找到 StartServer.bat 文件

  • 双击 StartServer.bat 文件,出现如下图所示命令框
  • 注意此处所给出的 IP 地址,我们需使用该 IP 地址来访问 WebTours 网页

  • 从 WebTousrs 的配置文件中找到其运行的端口号为 1080

  • 在浏览器的 URL 框中输入图示路径,访问 WebTours 主页

  • 在注册页面填写相关信息

  • 通过该路径可查看所有用户信息并包括刚注册好的用户
  • 文件内容的第一行就是当前账号的密码


脚本录制

  • 此处我们录制一个 WebTours 网址的登录脚本
  • 打开 Virtual User Generator,创建一个新项目

  • 点击录制按钮,选择并填写好相关内容,开始进行录制

  • 点击录制之后会自动弹出网页,此时我们仅需进行正常登录操作即可
  • 登录完成,点击停止录制,即可自动在 Action 中生成对应脚本
  • 当然我们还需对生成的脚本进行删减
  • 因为录制好的脚本有许多无关我们系统的一些代码,这些代码需要删除


编译

  • 点击编译按钮,针对删减完后的代码进行编译


运行(回放)

  • 点击运行按钮,针对删减完后的代码进行运行

LoadRunner 脚本加强

问题:

  • 为什么要对脚本进行加强?

回答:

  • 为了模拟更加真实的用户行为以及用户交互的复杂性,使性能测试能够更准确地反映生产环境中可能遇到的情况

事务插入

  • 首先我们需要打开函数选择界面

  • 查找到对应函数进行事务插入

  • 点击运行并观察对应日志信息

注意:

  • 事务必须有开始有结束
  • 开始的事务和结束的事务之间的事务名称必须一致

插入集合点

  • 集合点的引入,就是为了能够让 Load Runner 具有并发这样的机制
  • 即让所有用户集结在同一位置并同时发起请求

  • 点击运行并观察对应日志信息


插入检查点

  • 该函数属于注册类函数,在使用时需要放到 URL 请求之前
  • 检查点可用于检查其下方的 URL 页面是否包含某一字符串

  • 点击运行并观察对应日志信息


参数化

  • 此处我们针对登录进行参数化设定
  • 登录可以有多个账号和密码进行登录,所以适合进行参数化

  • 配置日志打印信息,让其日志打印出参数值

  • 因为此处我们设置了两对参数值,配置运行次数修改为 2 次

  • 点击运行并观察对应日志信息


打印日志

  • 使用 lr_log_message()  函数自定义日志并打印

  • 点击运行并观察日志信息

  • 使用 lr_output_message() 函数,在打印日志的基础上添加一定的条件判断

  • 点击运行并观察日志信息

注意:

  • 使用 lr_output_message()  函数输出的日志信息,只有在 LoadRunner 的执行窗口中可见,并不会被写入到性能测试的最终报告中。
  • 即 lr_output_message() 函数经常用于调试目的

这篇关于2024.4.23 LoadRunner 测试工具详解 —— VUG的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/948232

相关文章

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

OpenHarmony鸿蒙开发( Beta5.0)无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息,即可快速实现设备配网,是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递,利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力,实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后,即可发送相关配网数据。同时还支持与常规Sof

安卓链接正常显示,ios#符被转义%23导致链接访问404

原因分析: url中含有特殊字符 中文未编码 都有可能导致URL转换失败,所以需要对url编码处理  如下: guard let allowUrl = webUrl.addingPercentEncoding(withAllowedCharacters: .urlQueryAllowed) else {return} 后面发现当url中有#号时,会被误伤转义为%23,导致链接无法访问

6.1.数据结构-c/c++堆详解下篇(堆排序,TopK问题)

上篇:6.1.数据结构-c/c++模拟实现堆上篇(向下,上调整算法,建堆,增删数据)-CSDN博客 本章重点 1.使用堆来完成堆排序 2.使用堆解决TopK问题 目录 一.堆排序 1.1 思路 1.2 代码 1.3 简单测试 二.TopK问题 2.1 思路(求最小): 2.2 C语言代码(手写堆) 2.3 C++代码(使用优先级队列 priority_queue)

K8S(Kubernetes)开源的容器编排平台安装步骤详解

K8S(Kubernetes)是一个开源的容器编排平台,用于自动化部署、扩展和管理容器化应用程序。以下是K8S容器编排平台的安装步骤、使用方式及特点的概述: 安装步骤: 安装Docker:K8S需要基于Docker来运行容器化应用程序。首先要在所有节点上安装Docker引擎。 安装Kubernetes Master:在集群中选择一台主机作为Master节点,安装K8S的控制平面组件,如AP

嵌入式Openharmony系统构建与启动详解

大家好,今天主要给大家分享一下,如何构建Openharmony子系统以及系统的启动过程分解。 第一:OpenHarmony系统构建      首先熟悉一下,构建系统是一种自动化处理工具的集合,通过将源代码文件进行一系列处理,最终生成和用户可以使用的目标文件。这里的目标文件包括静态链接库文件、动态链接库文件、可执行文件、脚本文件、配置文件等。      我们在编写hellowor

LabVIEW FIFO详解

在LabVIEW的FPGA开发中,FIFO(先入先出队列)是常用的数据传输机制。通过配置FIFO的属性,工程师可以在FPGA和主机之间,或不同FPGA VIs之间进行高效的数据传输。根据具体需求,FIFO有多种类型与实现方式,包括目标范围内FIFO(Target-Scoped)、DMA FIFO以及点对点流(Peer-to-Peer)。 FIFO类型 **目标范围FIFO(Target-Sc

019、JOptionPane类的常用静态方法详解

目录 JOptionPane类的常用静态方法详解 1. showInputDialog()方法 1.1基本用法 1.2带有默认值的输入框 1.3带有选项的输入对话框 1.4自定义图标的输入对话框 2. showConfirmDialog()方法 2.1基本用法 2.2自定义按钮和图标 2.3带有自定义组件的确认对话框 3. showMessageDialog()方法 3.1

脏页的标记方式详解

脏页的标记方式 一、引言 在数据库系统中,脏页是指那些被修改过但还未写入磁盘的数据页。为了有效地管理这些脏页并确保数据的一致性,数据库需要对脏页进行标记。了解脏页的标记方式对于理解数据库的内部工作机制和优化性能至关重要。 二、脏页产生的过程 当数据库中的数据被修改时,这些修改首先会在内存中的缓冲池(Buffer Pool)中进行。例如,执行一条 UPDATE 语句修改了某一行数据,对应的缓

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super