У меня есть ситуация, когда нам нужно иметь возможность получать журналы сервера Jmeter в клиенте. Я знаю, что клиент jmeter собирает отчеты с серверов во время удаленного выполнения. Однако возможно ли получить агрегированные журналы с серверных машин на клиенте. Это в основном позволяет отлаживать журналы Jmeter со всех хостов. К сожалению, мы экспортируем отчет Jmeter с клиентского компьютера jmeter (для отображения в конвейере ci). Так что было бы здорово иметь журналы серверной машины на клиентской машине.
Агрегация журналов сервера Jmeter в клиенте jmeter при удаленном выполнении
30.09.2018
- каково намерение? фильтровать результаты по хосту? если не уточнить вопрос, так как я думаю, что в нем есть некоторая путаница. 30.09.2018
- Спасибо. Я попытался объяснить это в вопросе сейчас. 30.09.2018
- Любая обратная связь по ответу? Если все в порядке, это должно быть принято и проголосовано, чтобы это было полезно для сообщества. Спасибо 01.10.2018
Ответы:
1
Сам JMeter не предоставляет эту функциональность, а именно, вы не сможете отправлять jmeter.log файлов на мастер с подчиненных, однако вы можете использовать -j аргумент командной строки, чтобы указать местоположение файла журнала в подчиненных устройствах, которое будет указывать на некоторые NFS или SMB общий доступ — т. е. местоположение общий для всех рабов, например
на ведомом 1 запустите JMeter как
java -Djava.rmi.server.hostname=slave1 -Dserver_port=1099 -s -j /mounted/network/share/slave1.logна ведомом 2 запустите JMeter как
java -Djava.rmi.server.hostname=slave2 -Dserver_port=1099 -s -j /mounted/network/share/slave2.log
И учитывая, что /mounted/network/share/ доступен для всех подчиненных устройств, у вас будут журналы в одном месте.
Ознакомьтесь с Как выполнять распределенное тестирование в JMeter статья для получения дополнительной информации о распределенных советах и рекомендациях по выполнению JMeter
01.10.2018
2
Добавьте в имя группы потоков префикс с именем машины:
${__имя_машины()}-
Таким образом, вы сможете в агрегированном CSV-файле на стороне клиента найти тот, который вас интересует.
Справочные документы:
30.09.2018
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..