1、analysis里面,平均事务响应时间,平均事务响应时间+运行vuser,两个图的数据有区别是什么原因?

答:

请仔细查看以下两张图,其实两张图的数据是没有区别的。

之所以我们认为他们二者的数据有区别,是因为度量的标准不同。

第一张图显示的是最大值、最小值以及平均值。

而第二张图显示的数据确是图表的最大值、图表的最小值、图表的平均值。

所以看起来二者的数据有区别。

但是若将第二张图的度量添加了最大值、最小值以及平均值,可以看到数据是相同的。(在列表空白处单击鼠标右键--configure columns--在“最小值”“最大值”“平均值”前面打上勾)

**图最小值和最小值,图最小值是基于图表中的数据点来计算的,最小值统计的数据是基于全部的采样数据计算的,采样的数据空间不一样。

同理,Summary和平均事务响应时间图里的图最大,图平均,图最小值,之所以不一样是因为采样不一样。

秒。

如果让他们的采样时间是一样的,平均也就会完全一样了。

Summary是按整个场景的时间来做平均的,最大最小值,也是从整个场景中取出来的。

而平均事务响应时间图里,是按频率来取值。这两个值没有什么可比性。也没有什么关系。

只是一堆数据的不同计算方法。在取样时间内,有可能比summary里的高,有可能低,有可能持平,这都是很偶然的。

2、测试的系统,包含了html5动画,js动画等浏览器渲染效果,这种情况下怎么考虑平均事务响应时间?

答:LR是基于请求的,计算时间的方式是第一个字节出去到最后一个字节回来,它不可能知道在浏览器上做了什么事情的。(云层回答)

1)平均事务响应时间:是包括服务器响应时间、网络连接时间、网络延迟时间等。

2)网络正常的情况下,一个加载页面的操作,响应时间应该只会比服务器响应时间多零点几秒。但是要是有网络延迟,那就要看网络延迟多少了,有时候延迟10秒多都是正常的。

3)事务响应时间比较高的时候,需要考虑脚本里是否有思考时间,LR本身消耗的时间waste time(这个时间脚本跑完可以看到,这个消耗时间对访问网页来说几乎可以忽略,除非那种很复杂的下载文件之类才会产生消耗),如果去除前面说的这些时间,响应还是很多,那就是不正常了。

总结来说,就是不管网页有啥动画效果,对lr测试后整理的报告来说都是没有影响的,报告里的时间会把所有乱七八糟的时间都去除。要是有网络延迟,会计算延迟的时间,但是正常服务器的响应时间,也是要计算延迟的,LR模拟的就是这个真实的时间。最理想的测试性能情况应该是最符合真是的环境;公网是正常的情况下,公网测试出来的结果也就是网页中实际可以承受的压力。

3、loadrunner运行压力测试,比如对一个表单进行100并发压力测试提交数据,那么按理来说应该成功提交了100条数据才对。

答:这个问题有待验证。

验证后确实如此,例如参数化10条数据,在vugen中回放,就会成功提交10条数据,如果没有成功提交到数据库,那么这个压力测试是有问题的。

loadrunner12--学习中遇到疑问及解释的更多相关文章

  1. 关于 knockout js 学习中的疑问 (1)

    最近刚刚学习knockout中遇到如下问题: 1.在给viewModel定义一个方法时,有时后面跟 的this,有的时候没有 如下所示: this.fullName = ko.computed(fun ...

  2. c++学习中的疑问

    1.关于iostream头文件中的cout对象没有包含对string的<<操作符重载函数 测试代码: #include<iostream> using namespace st ...

  3. ASPNET_MVC学习中的疑问

    1.在mvc..net4.5.Entity Framewor都提供了多种验证规则.  请问,其中不需要提交到服务器验证的验证,是否是在客户端就完成的,还是说像之前的aspnet一样,都得提交到服务器验 ...

  4. 卷积在深度学习中的作用(转自http://timdettmers.com/2015/03/26/convolution-deep-learning/)

    卷积可能是现在深入学习中最重要的概念.卷积网络和卷积网络将深度学习推向了几乎所有机器学习任务的最前沿.但是,卷积如此强大呢?它是如何工作的?在这篇博客文章中,我将解释卷积并将其与其他概念联系起来,以帮 ...

  5. 有关JAVA基础学习中的集合讨论

        很高兴能在这里认识大家,我也是刚刚接触后端开发的学习者,相信很多朋友在学习中都会遇到很多头疼的问题,希望我们都能够把问题分享出来,把自己的学习思路整理出来,我们一起探讨一起成长.    今天我 ...

  6. Android 布局学习之——Layout(布局)具体解释二(常见布局和布局參数)

     [Android布局学习系列]   1.Android 布局学习之--Layout(布局)具体解释一   2.Android 布局学习之--Layout(布局)具体解释二(常见布局和布局參数)   ...

  7. 深度学习中dropout策略的理解

    现在有空整理一下关于深度学习中怎么加入dropout方法来防止测试过程的过拟合现象. 首先了解一下dropout的实现原理: 这些理论的解释在百度上有很多.... 这里重点记录一下怎么实现这一技术 参 ...

  8. 深度学习中交叉熵和KL散度和最大似然估计之间的关系

    机器学习的面试题中经常会被问到交叉熵(cross entropy)和最大似然估计(MLE)或者KL散度有什么关系,查了一些资料发现优化这3个东西其实是等价的. 熵和交叉熵 提到交叉熵就需要了解下信息论 ...

  9. 深度学习中的Normalization模型

    Batch Normalization(简称 BN)自从提出之后,因为效果特别好,很快被作为深度学习的标准工具应用在了各种场合.BN 大法虽然好,但是也存在一些局限和问题,诸如当 BatchSize ...

随机推荐

  1. I.MX6 Manufacturing Tool V2 (MFGTool2) Update Command List (UCL) User Guide translate

    Manufacturing Tool V2 (MFGTool2) Update Command List (UCL) User Guide Contents(目录) Contents(目录)     ...

  2. mysql单列索引和联合索引的使用

    1,首先要确定优化的目标,在什么样的业务场景下,表的大小等等.如果表比较小的话,可能都不需要加索引. 2,哪些字段可以建索引,一般都where.order by 或者 group by 后面的字段. ...

  3. 《DSP using MATLAB》示例Example 9.9

    代码: %% ------------------------------------------------------------------------ %% Output Info about ...

  4. Python源码分析之dis

    一.简单例子 def add(a, b): return a + b add_nums.py import foo a = [1, 'python'] a = 'a string' def func( ...

  5. apache伪静态设置

    在网站根目录下新建一个.htaccess文件即可,编辑如下 RewriteEngine On #游戏列表详细介绍 RewriteRule ^g-([0-9]+).html$ game.php?acti ...

  6. FastAdmin 的 captcha 是如何来的?

    FastAdmin 的 captcha 是如何来的? 如何打开 FastAdmin 的验证吗? 文件位置 C:\www\fastadmin\application\config.php 改 login ...

  7. 适合Centos Web服务器的iptables规则

    适合Centos Web服务器的iptables规则IPT="/sbin/iptables"$IPT --delete-chain$IPT --flush$IPT -P INPUT ...

  8. oracle数据库启动时出现ORA-01157和ORA-01110问题

    sql>startup mount; sql>alter database open; RA-01157: 无法标识/锁定数据文件 10 - 请参阅 DBWR 跟踪文件ORA-01110: ...

  9. SQL注入与安全防护---以PHP为例

    一.什么是sql注入: 简单来说,当我们从前端的用户表单数据往后台数据库传输时,可能用户表单数据中的某些数据,会跟我们的后台发生“有机”反应,从而导致发生一些数据库的异常操作. 举个例子吧,以简单的用 ...

  10. servlet配置及其生命周期

    servlet配置: 在web.xml中,首先向服务器注册一个servlet.在<servlet>标签下 给定一个servlet名字,这个servlet-name是我们自己用的,方便我们用 ...