news 2026/4/23 23:51:07

常见的7个Jmeter压测问题详解

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
常见的7个Jmeter压测问题详解

🍅点击文末小卡片,免费获取软件测试全套资料,资料在手,涨薪更快

根据在之前的压测过程碰到的问题,今天稍微总结总结,以后方便自己查找。

一、单台Mac进行压测时候,压测客户端Jmeter启动超过2000个线程,Jmeter报OOM错误,如何解决?

解答:单台Mac配置内存为8G,可用内存最大为3.5G左右,启动一个线程将近需要1M内存,2000个线程,需要大概2G左右的内存;然后启动Jmeter,本身需要将近400M的内存,接着在运行过程中,Jmeter又使用了Respoonse Time、TPS、Thread等等的计数器也会占用额外内存;最后,Jmeter运行不到2分钟,导致Jmeter闪退,然后Mac OS重启,原因就是系统出现了Out Of Memory的错误。

建议:单台压测机器,启动线程不超过1000个,推荐500个左右,这样客户端性能比较好;如果要压测超过1000个线程,建议分成2台Mac机器进行压测,超过2000个,分成3台Mac机器压测,以此类推。

二、使用断言,是否特别消耗系统资源?

解答:使用Response Assertion 和Json Assertion这两种断言方式,不是太占用系统CPU资源;但是如果使用正则表达式进行断言,就会对系统的CPU有一定的消耗。这个好像使用SQL语句一样,使用Like进行查找结果,是模糊匹配,所以需要额外资源进行计算;如果使用x=y的条件,查询速度就会快很多。

三、当压测线程500左右,没有使用集合点,TPS一直无法上到200以上,并且Error%率很低,不超过1%的错误率?

解答:Jmeter在脚本中,使用集合点-synchronizing point,计算TPS的算法跟脚本中没有使用集合点的TPS算法有区别;所以,当脚本中使用集合点,那么被集合点压测的接口TPS就会比没有被集合点压测接口的TPS高;所以,这个是设置的问题,不是服务器或者应用的问题。

四、页面性能需要压测吗?场景:多人反复登陆/退出/抢红包/多人提问/多人弹幕......

解答:其实页面的请求也是通过前端接口传递到后端接口,然后通过后端的接口拿到需要的数据,最后传给前端,让数据在前端页面展示;如果后端的接口响应慢,就必然会导致前端展示数据的速度慢;如果后端的响应速度快,前端的展示数据的速度仍然很慢,那么就跟客户端的机器CPU/内存/浏览器等配置相关,需要单独分析,不能一概而论。

建议:这个问题,一般都是前端的开发工程师提出来的,其实,前端的逻辑相对简单,主要是数据展示功能,数据的加工工程,都是放在后端来完成的;正常情况下,如果后端的接口响应很多,前端的接口响应速度应该不会慢。页面的展示功能,其实可以通过“分页加载”、“延迟加载”、“查询缓存而不是数据库获取数据”等等手段,都可以提高页面的响应速度,我就不班门弄斧了。

五、当使用Non-GUI模式运行Jmeter时候,TPS可以达到500-600左右,这个是啥原因?

解答:当压测客户端,使用命令行模式运行脚本,不是采用GUI模式运行脚本;如果GUI模式压测的结果是300TPS左右,当切换到命令行模式后,压测的结果是600TPS左右;这个一般是服务器的配置不一样、服务器的访问量不一样等等原因。正常来说,使用命令行运行脚本,压测客户端使用自己的资源会更少,但是,不会影响TPS的指标,因为,你压测的是服务器,不是你机器本身,跟客户端的资源没有半点关系。

六、并发线程数和并发用户数,是同一概念吗?

解答:对于loadrunner和jmeter之类常规性能测试工具来说,答案是肯定的;大家可以设置线程数100,循环1次,最后,总的请求数一定是:100。但是对于gatling比较特殊,用的是协程,比线程更小的单位,所以,并发线程数和并发用户数不能直接画等号。

七、TPS和QPS的区别是什么?

解答:TPS是每秒钟处理完的事务次数,一般TPS是对整个系统来讲的。一个应用系统1s能完成多少事务处理,一个事务在分布式处理中,可能会对应多个请求。每秒钟处理完请求的次数;注意这里是处理完。具体是指发出请求到服务器处理完成功返回结果。

对于衡量单个接口服务的处理能力,用QPS比较多。

最后感谢每一个认真阅读我文章的人,礼尚往来总是要有的,虽然不是什么很值钱的东西,如果你用得到的话可以直接拿走:

这些资料,对于做【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴我走过了最艰难的路程,希望也能帮助到你!凡事要趁早,特别是技术行业,一定要提升技术功底。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/17 8:24:34

人形机器人行业驱动因素、现状及趋势、产业链及相关公司深度梳理

摘要:本报告将从行业概述入手,梳理人形机器人技术构成与核心特征,分析政策、技术、需求、资本四大驱 动因素,拆解产业链上下游及中游本体制造的竞争格局,重点剖析重点企业的技术路径与量产规划,结 合市场规…

作者头像 李华
网站建设 2026/4/17 5:54:10

灵巧手专题报告:灵巧手核心技术架构与迭代逻辑

摘要:人形机器人量产催生灵巧手规模化需求,其作为核心部件,正朝轻量化、高仿生、智能化演进。2024-2030 年全球多指灵巧手市场 CAGR 达 64.6%,2030 年中国销量预计超 34 万只。技术上以电机驱动(空心杯电机为主&#x…

作者头像 李华
网站建设 2026/4/22 4:43:09

高效选题指南:本科生毕业论文平台Top10解析

10大论文选题工具核心对比 排名 工具名称 核心功能 效率评分 适用场景 1 aicheck 智能选题大纲生成 ★★★★★ 完全无头绪时的选题生成 2 aibiye 选题优化可行性分析 ★★★★☆ 已有初步方向的优化调整 3 知网 学术资源库选题参考 ★★★★☆ 专业领域深度…

作者头像 李华
网站建设 2026/4/22 10:51:28

语音合成中的显存占用优化:GLM-TTS在10GB显卡上的运行实录

语音合成中的显存占用优化:GLM-TTS在10GB显卡上的运行实录 在AI语音技术飞速发展的今天,越来越多的开发者希望将高质量语音合成功能集成到本地应用或轻量级服务中。然而现实往往骨感——许多先进的TTS模型动辄需要24GB甚至更高的显存,让RTX 3…

作者头像 李华
网站建设 2026/4/23 7:23:21

基于GLM-TTS的情感语音合成方案,打造拟人化AI主播

基于GLM-TTS的情感语音合成方案,打造拟人化AI主播 在短视频平台日均内容产出破亿的今天,一个冷冰冰的机械音已经很难留住用户的耳朵。观众不再满足于“能听清”,而是期待“听得进去”——语气中的情绪起伏、语调里的专业感、甚至一句话尾音的…

作者头像 李华
网站建设 2026/4/23 16:44:03

如何清理显存?GLM-TTS内置工具帮你释放GPU资源

如何清理显存?GLM-TTS内置工具帮你释放GPU资源 在本地部署大模型的日常中,你是否遇到过这样的场景:语音合成任务早已结束,但显卡监控依然显示 GPU 显存被“锁死”在 10GB 以上?重启服务太麻烦,不处理又影响…

作者头像 李华