Nano Hash - криптовалюты, майнинг, программирование

4 параллельных запроса в JMeter

У меня есть 1 обычный запрос и 3 дополнительных запроса, которые должны выполняться параллельно с первым:

обычный запрос:

URL=.../search?folder_Id=${folder_id}

Параллельные запросы:

URL=.../search?folder_Id=${folder_id}&facet=company
URL=.../search?folder_Id=${folder_id}&facet=date
URL=.../search?folder_Id=${folder_id}&facet=author

Не могли бы вы написать полезную информацию, как лучше и проще всего реализовать это в JMeter? Все 4 запроса должны быть параллельны для 1 пользователя! Можно ли с JMeter делать или нет?

UPD. Эти запросы должны быть помещены в контроллер - они всего лишь небольшая, но важная часть огромного скрипта, поэтому я не могу использовать их как группу потоков из-за логики скрипта, только внутри контроллера !!!

ajax jmeter
23.04.2014

Ответы:


1

Существует даже запрос функции параллельного контроллера, который не разрешен для момент.

В качестве опции JMeter предоставляет синхронизирующий таймер, который будет приостанавливать потоки до тех пор, пока указанное число не будет быть активным. Вы можете подумать о том, чтобы иметь отдельную группу потоков с 4 потоками, управляемыми синхронизирующим таймером, для одновременного запуска.

Надеюсь это поможет.

23.04.2014
  • Есть ли способ сделать 4 запроса параллельно внутри контроллера, а не группы потоков? У меня есть несколько групп потоков, и в каждой есть разделы с несколькими контроллерами для разных типов поиска, и внутри нескольких из этих контроллеров мне нужно запускать такие параллельные запросы. Как мне это сделать? 24.04.2014
  • Привет, Надежда. Можно использовать синхронизирующий таймер внутри, то есть простой или даже контроллер транзакций, вместе с 4 запросами, но вам необходимо убедиться, что ваш номер виртуальных пользователей соответствует тому, что вы установили в синхронизирующем таймере, чтобы избежать ситуации с тупиковыми потоками. 24.04.2014
  • Привет, Дмитрий, у меня есть план тестирования со следующей структурой для каждой группы Thres: - логин; - контроллер шлейфа с - тип поиска1 (без параллельных запросов); - тип поиска2 --- запрос1.1 ---- запрос1.2 (параллельно с запросом1.1) ---- запрос1.3 (параллельно с запросом1.1) ---- запрос1.4 (параллельно с запросом1. 1) -выйти. Итак, 1 пользователь или группа потоков - и ситуация, когда 4 запроса в контроллере должны быть отправлены параллельно для 1 пользователя / группы потоков. 24.04.2014
  • Все 4 запроса разные, не одинаковые! 24.04.2014
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..