Jmeter插件使用
首先我们安装完插件配置后，要在插件中心安装这两个插件
下载成功后出现以下结果：
响应时间
- 响应时间：jp@gc - Response Times Over Time
活动线程数
- 活动线程数：jp@gc - Active Threads Over Time
每秒事务数
- 每秒事务数：jp@gc - Transactions per Second
- RT（响应时间）
- 平均值：332ms
- P50（中位数）：8ms 内
- P90：514ms 内
- P95：1051ms 内
- P99：6797ms 内
- 最小值：2ms
- 最大值：35s
- 压力机活动线程数
- 代表压测过程中施加的压力情况
- TPS（每秒事务数）
- 数值越大，性能越好
- QPS（每秒查询数量）
- 数值越大，性能越好
- （TPS >= QPS）
- 吞吐量（每秒请求数量）
- 数值越大，性能越好
压测监控平台
压测平台架构图：
Docker环境配置
首先我们需要配置docker环境
# 1.更新yum包 sudo yum update -y # 2.安装软件包 sudo yum install -y yum-utils device-mapper-persistent-data lvm2 # 3.设置yum源为阿里云 sudo yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo # 4.安装docker sudo yum install docker-ce # 5.检查docker版本 docker -v安装InfluxDB
# 1.下载镜像 docker pull influxdb:1.8 # 2.启动容器 docker run -d --name influxdb -p 8086:8086 -p 8083:8083 influxdb:1.8 # 3.进入容器创建jmeter数据库 docker exec -it influxdb /bin/bash操作influxDB
# 进入操作界面 influx # 创建数据库 create database jmeter # 查看数据库是否创建成功 show databases创建完的结果为
Connected to http://localhost:8086 version 1.8.10 InfluxDB shell version: 1.8.10 > create database jmeter > show databases name: databases name ---- _internal jmeter >使用influxDB
# 使用jmeter库 use jmeter # 查询数据库中的数据 select * from jmeter设置Jmeter脚本后置监听器
- influxdbUrl：需要改为自己influxdb的部署ip和映射端口，我这里是部署在阿里云服务器，所以就是47.93.59.248，口是容器启动时映射的8086端口，db后面跟的是刚才创建的数据库名称
- application：可根据需要自由定义，只是注意后面在 grafana 中选对即可
- measurement：表名，默认是 jmeter ，也可以自定义
- summaryOnly：选择true的话就只有总体的数据。false会记录总体数据，然后再将每个transaction都分别记录
- samplersRegex：样本正则表达式，将匹配的样本发送到数据库
- percentiles：响应时间的百分位P90、P95、P99
- testTitle：events表中的text字段的内容
- eventTags：任务标签，配合Grafana一起使用
然后我们启动压测工具，再查看数据库表，发现出现以下结构
安装Grafana
# 1.下载Grafana镜像 docker pull grafana/grafana # 2.启动Grafana容器 docker run -d --name grafana -p 3000:3000 grafana/grafana访问连接：http://guslegend:3000/login，默认用户名/密码：admin/admin
选择添加数据源
导入模版
- 直接输入模版id号；
- 上传模版json文件；
- 输入模版json内容；
在Grafana的官网找到我们需要的展示模板
- Apache JMeter Dashboard
- dashboad-ID：5496
- JMeter Dashboard(3.2 and up)
- dashboad-ID：3351
启动压测工具，查看结果
安装node_exporter
# 下载 wget -c https://github.com/prometheus/node_exporter/releases/download/v0.18.1/node_exporter-0.18.1.linux-amd64.tar.gz # 解压 tar zxvf node_exporter-0.18.1.linux-amd64.tar.gz -C /usr/local/hero/ # 启动 cd /usr/local/hero/node_exporter-0.18.1.linux-amd64 nohup ./node_exporter > node.log 2>&1 &安装Prometheus
# 下载 wget -c https://github.com/prometheus/prometheus/releases/download/v2.15.1/prometheus-2.15.1.linux-amd64.tar.gz # 解压 mkdir /usr/local/hero/ tar zxvf prometheus-2.15.2.linux-amd64.tar.gz -C /usr/local/hero/ cd prometheus-2.15.2.linux-amd64 # 运行 nohup ./prometheus > prometheus.log 2>&1 &配置prometheus.yml文件
# my global config global: scrape_interval: 15s # Set the scrape interval to every 15 seconds. Default is every 1 minute. evaluation_interval: 15s # Evaluate rules every 15 seconds. The default is every 1 minute. # scrape_timeout is set to the global default (10s). # Alertmanager configuration alerting: alertmanagers: - static_configs: - targets: # - alertmanager:9093 # Load rules once and periodically evaluate them according to the global 'evaluation_interval'. rule_files: # - "first_rules.yml" # - "second_rules.yml" # A scrape configuration containing exactly one endpoint to scrape: # Here it's Prometheus itself. scrape_configs: # The job name is added as a label `job=<job_name>` to any timeseries scraped from this config. - job_name: 'hero-Linux' static_configs: - targets: ['172.17.0.1:9100','172.17.0.1:9100','172.17.0.1:9100']访问：http://guslegend:9090/graph
在Grafana中配置Prometheus的数据源
导入Linux系统dashboard
- Node Exporter for Prometheus Dashboard EN 20201010
- dashboard-ID: 11074
- Node Exporter Dashboard
- dashboard-ID: 16098
