Nano Hash - криптовалюты, майнинг, программирование

что-используется-sql-для-получения процентиля времени отклика транзакции из файла Loadrunner .mdb

Я работаю над проектом, в котором мы напрямую обращаемся к файлу .mdb транзакций Loadrunner для извлечения необработанных данных.

mdb — это база данных Microsoft Access, которая хранит информацию в различных таблицах. Может ли кто-нибудь помочь мне, к какой таблице обратиться, чтобы получить информацию о времени отклика? одна таблица, которую я выбрал, была «BasicTransactionPercentile», однако эта таблица кажется очень непоследовательной, в одном файле .mdb она есть, а в другом ее нет.

Пожалуйста помоги !

26.08.2014

Ответы:


1

Все таблицы и отношения в файле mdb задокументированы в таблице [Метаданные], включая первичные и внешние ключи. Для получения информации о транзакциях вам следует обратиться к необработанным данным, содержащимся в таблице [измеритель событий], и их взаимосвязям. Вам нужно будет вытащить нужные отношения из таблицы [Метаданные] для имен событий типа транзакции, а также для статуса «пройдено».

В отличие от некоторых других механизмов баз данных, таких как SQL Server и ORACLE, в Access нет встроенной функции процентилей, которую вы можете использовать, что означает, что вам нужно будет написать свои собственные статистические функции на основе базовых. Рассматривали ли вы возможность использования SQL Server, даже экспресс-версии, в качестве хранилища аналитических данных?

26.08.2014
  • Спасибо, Джеймс, я использую MySQL для вставки необработанных данных .mdb-> Мой SQL, используя язык сценариев, такой как Python. Я сослался на таблицу метаданных и нашел одно имя поля параметра как время ответа, однако переход к упомянутой таблице не дает мне информацию о данных времени отклика. Помогите пожалуйста, где искать? 26.08.2014
  • Я собрал информацию о состоянии прохождения/непрохождения/выполнения и остановки из таблицы, такой как счетчик событий и event_map, однако получить данные о времени отклика оказалось непросто. 26.08.2014
  • Счетчик событий содержит все данные временной записи. Должно быть очевидно и понятно, какое поле содержит время отклика. Пожалуйста, укажите здесь ваш запрос, чтобы помочь нам понять вашу проблему. Если вы хотите импортировать данные, воспользуйтесь возможностью программы Analysis импортировать данные точек данных. 27.08.2014
  • ВЫБЕРИТЕ Event_map.[Имя события], Подсчет(*) AS Samples, Min(Event_meter.Value) AS Minimum, Avg(Event_meter.Value) AS Average, Max(Event_meter.Value) AS Maximum, StDev(Event_meter.Value) AS [ Стандартное отклонение], Sum(Event_meter.Value) AS TotalTime FROM TransactionEndStatus INNER JOIN (Event_map INNER JOIN Event_meter ON Event_map.[ID события] = Event_meter.[Event ID]) ON TransactionEndStatus.Status1 = Event_meter.Status1 WHERE (((TransactionEndStatus. [Статус завершения транзакции])=Пройдено)) GROUP BY Event_map.[Имя события] ORDER BY Sum(Event_meter.Value) DESC; 29.08.2014
  • Джеймс, ценю вашу помощь и спасибо за ваш запрос, я получаю минимальные, средние, максимальные точки данных для времени отклика транзакции, однако, поскольку мы в основном имеем дело с данными 90 процентилей (для времени отклика), можно ли их извлечь? Я знаю, что если мы запросим карту событий и таблицу счетчиков событий, мы получим все точки данных для каждого txns, но я столкнулся с проблемой, как извлечь из нее 90 процентов. Если вы можете помочь, это было бы очень полезно для меня, еще раз спасибо за ваше время. 30.08.2014
  • в Microsoft Access нет функции процентиля. Вам нужно будет построить собственное статистическое определение процентиля. Или, если вы используете SQL Server в качестве хранилища данных, вы можете использовать встроенные функции в TSQL на SQL Serer для создания значения процентиля. 31.08.2014
  • да, это то, чего я боялся, однако я видел таблицу с именем BasicTrasactionPercentile, которая фактически хранит имена txns и их значение процентиля. Однако проблема заключается в том, что эта таблица иногда присутствует в .mdb, а в большинстве случаев ее нет. Мне интересно, зависит ли это от того, как мы сохраняем .lrr в .lra, чтобы получить файл транзакций .mdb из Load runner? если эта загадка будет разгадана, мой, а точнее большинство наших вопросов исчезнет. Если можете поделитесь своим опытом по этому поводу. 01.09.2014
  • Не знаю, насколько яснее я могу это изложить. Microsoft Access не имеет встроенных функций для процентиля. Перейдите к тексту статистики вашего колледжа и извлеките определение процентиля из этого текста. Используйте это определение для создания собственного запроса для создания нужного процентиля. С точки зрения поставщика вы выходите за рамки ограничений поддержки, когда начинаете выполнять запросы непосредственно к данным. От коллегиальной поддержки, как только вы попросите построить запрос, вы попадете в сферу консалтинга. 01.09.2014

  • 2

    Используя jackcess API, вот суть того, как вы извлекаете транзакционные данные из файла mdb через Java.

    Вы можете получить список идентификаторов событий «транзакций» из Event_map.

    Table table = db.getTable("Event_map");
    

    Затем вы можете пройти через таблицу «Event_meter» и выбрать нужные события транзакции. Вот схема выполнения транзакции и истекшее время.

    Table table = db.getTable("Event_meter");
    for (Row row : table) { .....
        //  The txn recored time "End Time" is the relative end time in seconds to 3 decimals of the txn.  Storing as epoch time in msecs  
        Double txnSecsFromStart =  (Double)row.get("End Time"); 
        Long txnEpochTimeMsecs = new Double( runStartTimeEpochMsecs + txnSecsFromStart * 1000 ).longValue();
        lrEventMeterBean.setEndTime(txnEpochTimeMsecs.toString()); 
    
        BigDecimal rawValue  = new BigDecimal((Double)row.get("Value"     )).setScale(6, RoundingMode.HALF_UP);
        BigDecimal thinkTime = new BigDecimal((Double)row.get("Think Time")).setScale(6, RoundingMode.HALF_UP);                 
        lrEventMeterBean.setValue( rawValue.subtract(thinkTime));   
    

    .... //и так далее для других полей

    Примечание. «runStartTimeEpochMsecs» получается из таблицы «результат».

    Поскольку манипулирование данными в Access довольно ограничено, мы загружаем извлеченные данные в базу данных mySql. Затем можно получить такие значения, как 90-й процентиль, которые соответствуют отчету об анализе (требуется немного работы!).

    PS: И помните, что файл mdb, о котором я здесь говорю, содержит данные для всего теста, отфильтрованные данные обрабатываются по-другому. Данные, отфильтрованные IMO, слишком сложны, чтобы о них беспокоиться (волшебство и сложность аналитического отчета - это то, за что вы платите, в конце концов...). Опять же, мы используем нашу базу данных mySql для базовой фильтрации.

    25.10.2018
    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..