Mac电脑Jmeter集成到Jenkins,压测多个接口并生成测试报告


Jenkins支持的JDK版本17、21,通过java -version查看当前JDK版本,确认是否匹配

  1. 打开网址https://www.jenkins.io/download
    点击下载,选择mac版本
  2. commend+空格打开终端,输入安装命令brew install jenkins
    安装完成后输入brew services start jenkins启动jenkins

我在启动时报IO error,可尝试用管理者启动,命令:sudo brew services start jenkins

如果还不行,尝试使用另一个启动命令: brew services restart jenkins-lts

  1. 提示成功后,浏览器打开localhost:8080会进到登录页面

  2. 进入日志文件中,获取密码

java 复制代码
cd /Users/xxxx/.jenkins/secrets 
open initialAdminPassword
  1. 选择自定义,等待安装完成即可,如果有失败的直接跳过,后面可以再安装

  2. 创建管理员账号

  3. 设置URL地址

  4. 全部配置完成,进入jenkins主页面

    以上就是Jenkins的下载和安装啦~~


下面是集成jmeter并生成测试报告的操作步骤

一、使用自由模式集成jmeter串行执行多个压测脚本并生成测试报告
  1. 点击【新建任务】,输入任务名称,选择"自由风格",点击确认按钮

  2. 进入配置页面,选择【添加构建步骤-执行shell】

脚本如下,先进入到本地jmeter安装路径的bin目录下,把上次执行的结果csv文件和report全部删除,再执行第一个压测脚本,执行后将进程置于后台,并获取进程id,等待进程ID释放,执行完成后再启动第二个压测脚本,这样保证了每个脚本是独立执行互不干扰的

java 复制代码
cd /Users/xxx/downloads/apache-jmeter-5.6.2/bin
find /Users/xxx/downloads/autotest/script/ -type f -name "*.csv" -exec rm {} \;
rm -rf /Users/xxx/downloads/autotest/script/report/*
./jmeter.sh -n -t /Users/xxx/downloads/autotest/script/script1.jmx  -Jnum_threads=1 -Jramp_up_time=1 -Jduration=5 -l  /Users/xxx/downloads/autotest/script/script1_result.csv -e -o /Users/xxx/downloads/autotest/script/report/script1
pid1=$!
wait $pid1
./jmeter.sh -n -t /Users/xxx/downloads/autotest/script/script2.jmx  -Jnum_threads=20  -Jramp_up_time=1 -Jduration=2 -l  /Users/xxx/downloads/autotest/script/script2_result.csv -e -o /Users/xxx/downloads/autotest/script/report/script2
  1. Jnum_threads字段在jmx中通过表达式${__P(num_threads)}引用,其他字段同理,如图

  2. 添加构建后操作生成report,选择【增加构建后操作步骤-Publich HTML reports】

    HTML directory to archive:填写本地存放测试报告的空文件夹路径

    如果没有对应插件可以去下载,【系统管理-插件管理】

    点击【可用插件】,搜索需要的插件,然后勾选安装即可

  3. 全部配置完成,点击保存,在项目目录下,点击【立即构建】即可执行脚本并生成测试报告,点击构建历史可进入对应详情页

  4. 点击【控制台输出】可查看日志

  5. html格式的测试报告也会生成到指定文件夹下


经过多次测试发现:

Jmeter中聚合报告里的吞吐量计算存在误差,如果是单接口误差较小,多接口的话误差较大,不具备参考价值,因此需要手动计算,公式=线程数/平均响应时间,线程数是用户手动设置的Num
of Threads(users),并非测试报告中的样本数量

~~~~~~~~~~~~~~~~~~~~~~~~~~~~

二、 使用自由模式-参数化构建过程执行单个压测脚本并将结果写入本地CSV

在此方法中,将执行的详细结果写入csv中,通过添加构建后操作使用python脚本获取并计算正确的吞吐量

  1. 进入项目的配置页面,勾选【参数化构建过程-文本参数】,输入线程数名称如:Jnum_threads,可设置多个参数

  2. 选择【添加构建步骤-执行shell】 脚本中通过-Jnum_threads=${Jnum_threads}来获取上面设置的参数

java 复制代码
cd /Users/xxx/downloads/apache-jmeter-5.6.2/bin
find /Users/xxx/downloads/autotest/script/ -type f -name "*.csv" -exec rm {} \;
rm -rf /Users/xxx/downloads/autotest/script/report/*
./jmeter.sh -n -t /Users/xxx/downloads/autotest/script/script1.jmx  -Jnum_threads=${Jnum_threads}  -Jramp_up_time=${Jramp_up_time} -Jduration=${Jduration} -l  /Users/xxx/downloads/autotest/script/script1_result.csv -e -o /Users/xxx/downloads/autotest/script/report/script1
  1. 选择【增加构建后操作步骤-Execute scripts-执行shell】

构建步骤中已经通过命令-l /Users/xxx/downloads/autotest/script/script1_result.csv将压测详细结果写入csv中,供这一步计算QPS使用

以下脚本将压测的接口地址、全部样本的状态码及个数、压测接口的平均响应时间、QPS打印到csv中

python 复制代码
#!/usr/local/bin/python  #使用which python命令获取python路径
# -*- coding: utf-8 -*-
import sys
import csv
import os

def read_csv(file_path):
    response_code_count = {}  
    elapsed_sum = 0
    elapsed_count = 0
    url_count = 0

    # 根据Python版本选择不同的open函数参数
    if sys.version_info.major == 2:
        with open(file_path, 'rb') as file:
            reader = csv.DictReader(file)
            for row in reader:
                response_code = row['responseCode']
                elapsed = float(row['elapsed'])
                response_code_count[response_code] = response_code_count.get(response_code, 0) + 1
                #多接口情况下,获取指定接口url的个数,用于计算平均响应时间
                if row['URL'] == 'http://baidu.com:808/x/x/x':
                    elapsed_sum += elapsed
                    elapsed_count += 1
                    url_count += 1
    elif sys.version_info.major == 3:
        with open(file_path, 'r', newline='', encoding='utf-8') as file:
            reader = csv.DictReader(file)
            for row in reader:
                response_code = row['responseCode']
                elapsed = float(row['elapsed'])
                response_code_count[response_code] = response_code_count.get(response_code, 0) + 1
                if row['URL'] == 'http://baidu.com:808/x/x/x':
                    elapsed_sum += elapsed
                    elapsed_count += 1
                    url_count += 1

    return response_code_count, elapsed_sum, elapsed_count, url_count

def write_to_csv(file_path, data):
    with open(file_path, 'w') as file:  
        writer = csv.writer(file)
        writer.writerow(["URL", "全部线程的状态码及个数","平均响应时间(S)","实际QPS"])
        writer.writerow(data)


def main():

    #将压测的详细结果写入指定目录下的csv中
    file_path = '/Users/xxx/downloads/autotest/script/script1_result.csv'
    #将手动计算的结果写入指定目录的csv中
    output_file_path = '/Users/xxx/downloads/autotest/script/result.csv'  
    
    # 输出环境变量的值
    num_threads_str = os.environ.get('Jnum_threads')
    target_throughtput = os.environ.get('Jtarget_throughtput')
    print("Value of NUM_THREADS:", num_threads_str)

    # 将 NUM_THREADS 转换为整数
    try:
        total_requests = int(num_threads_str)
    except (ValueError, TypeError):
        print("Error: NUM_THREADS environment variable is not a valid integer.")
        return

    response_code_count, elapsed_sum, elapsed_count, url_count = read_csv(file_path)

    # 计算 QPS
    qps = 0
    avg_elapsed_seconds = None
    if elapsed_count > 0:
        avg_elapsed_seconds = elapsed_sum / elapsed_count / 1000  # 将毫秒转换为秒
        if avg_elapsed_seconds != 0:
            qps = total_requests / avg_elapsed_seconds

    # 将结果写入 CSV 文件
    avg_elapsed_seconds_formatted = '{:.2f}'.format(avg_elapsed_seconds)
    qps_formatted = '{:.2f}'.format(qps)
    #结果csv的要写入的具体值
    write_to_csv(output_file_path, ["http://baidu.com:808/x/x/x", response_code_count,avg_elapsed_seconds_formatted,qps_formatted])

if __name__ == "__main__":
    main()

保存构建后选择【Build with Parameters】输入对应参数点击【Build】就开始构建了,最终的执行结果也会写会写入指定的csv中

相关推荐
Suyuoa7 分钟前
附录2-pytorch yolov5目标检测
python·深度学习·yolo
soulteary43 分钟前
突破内存限制:Mac Mini M2 服务器化实践指南
运维·服务器·redis·macos·arm·pika
好看资源平台1 小时前
网络爬虫——综合实战项目:多平台房源信息采集与分析系统
爬虫·python
进击的六角龙2 小时前
深入浅出:使用Python调用API实现智能天气预报
开发语言·python
檀越剑指大厂2 小时前
【Python系列】浅析 Python 中的字典更新与应用场景
开发语言·python
湫ccc2 小时前
Python简介以及解释器安装(保姆级教学)
开发语言·python
孤独且没人爱的纸鹤2 小时前
【深度学习】:从人工神经网络的基础原理到循环神经网络的先进技术,跨越智能算法的关键发展阶段及其未来趋势,探索技术进步与应用挑战
人工智能·python·深度学习·机器学习·ai
羊小猪~~2 小时前
tensorflow案例7--数据增强与测试集, 训练集, 验证集的构建
人工智能·python·深度学习·机器学习·cnn·tensorflow·neo4j
lzhlizihang2 小时前
python如何使用spark操作hive
hive·python·spark
q0_0p2 小时前
牛客小白月赛105 (Python题解) A~E
python·牛客