news 2026/5/8 5:30:58

如何编写测试团队通用的Jmeter脚本

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
如何编写测试团队通用的Jmeter脚本

平时学习、工作过程中,编写的一些jmeter脚本,相信大多数都遇到过这个问题。那就是:如果换一台电脑运行,文件路径不一样,会导致运行失败。

前不久,自己就真真切切遇到过一回,A同学写了个脚本用于压测,需要其他测试同学协助下,结果部分人员没有提前调试代码,导致运行的时候报错。

主要的原因就是,A同学写的脚本不能通用,以自己本机的路径来编写的,而其他同学的文件路径不一样,导致报错。

后面我实在看不下去了,把脚本改动了下,压测顺利结束。

那么这个问题是否有解决的办法呢,自然是有的,而且很简单。

我们来看详细

获取文件目录

用户定义变量

我们先来看第一种方式,直接使用beanshell函数,将变量放到用户定义的变量中,如下所示;脚本运行后,可以在日志中查看到获取到的脚本路径。

代码如下所示:

${__BeanShell(import org.apache.jmeter.services.FileServer;FileServer.getFileServer().getBaseDir();,)}

AI写代码bash

添加的这行代码,后续直接用shellPath字段来替换掉固定文件path就ok了

beanshell处理器

在线程组中添加beanshell后置处理器,配置如下:

代码如下所示:

import org.apache.jmeter.services.FileServer; String path = FileServer.getFileServer().getBaseDir(); log.info(path);

HTTP默认请求头

通常一个脚本中,不止一个接口请求。我们每个请求都得有host、protocol,如果这些通用参数都写在每个请求里,变动一次,那这改动量可就太大了。

对于这个问题,我们可以使用HTTP默认请求头,将host、protocol配置好,在后续的请求中就不会再填写host、protocol。

如果参数有改动,那也只需要改动一次而已,大大提高效率。配置如下所示:

功能应用

针对开篇讲到的案列,问题出现点,我们来一一解答

CSV参数化

脚本是打包在一个文件夹传递的,脚本中引用一个参数化文件。文件的路径为A同学的固定路径,可其他同学拿到脚本,存放的路径并不一致,那直接运行的话,必然会报错。

对于这个点,我们来改造如下,脚本路径使用变量shellPath替换即可,如下所示:

附件上传

脚本中还有个附件上传请求,文件路径也是固定的,同理,用我们定义的变量shellPath替换即可,如下所示:

删除数据

脚本运行过程中,会保存一些字段数据,但为了不影响新一轮测试,所以在测试前,会把历史数据给删除。

同样的,我们要删除的文件路径也替换成变量shellPath,如下所示:

以上只是jmeter使用中很简单的功能,虽然简单,但作用却很大。

如果脚本不通用,即使在自己电脑上正常运行,换一台设备,就又得再调试,不是我们想要的效果。

在编写脚本时,还是需要编写通用的脚本,一些小细节,忽略不得。

感谢每一个认真阅读我文章的人!!!

作为一位过来人也是希望大家少走一些弯路,如果你不想再体验一次学习时找不到资料,没人解答问题,坚持几天便放弃的感受的话,在这里我给大家分享一些自动化测试的学习资源,希望能给你前进的路上带来帮助。

软件测试面试文档

我们学习必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有字节大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。

视频文档获取方式:
这份文档和视频资料,对于想从事【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!以上均可以分享,点下方小卡片即可自行领取。

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 2026/5/4 17:38:36

在移动硬盘中安装UBuntu22.04,实现不同电脑即插即用

主要参考链接: 链接1:Ubuntu系统安装在移动固态硬盘,实现在不同电脑即插即用 链接2:移动硬盘安装Ubuntu系统(UEFI引导)的一些记录 问题描述 我第一次在移动硬盘中安装UBuntu22.04的时候,参考…

作者头像 李华
网站建设 2026/5/3 18:11:18

Unsloth技术突破:让大模型在手机上流畅运行!

简介 本文详细介绍如何使用Unsloth平台微调大模型,并通过Meta的ExecuTorch技术部署到手机端。提供iPhone和Android完整部署步骤,通过量化感知训练将精度损失控制在30%以内,实现40-50 token/s推理速度。具有低延迟、保护隐私优势,…

作者头像 李华
网站建设 2026/4/30 17:32:33

Open-AutoGLM能否颠覆传统交互?90%人不知道的神经解码黑科技

第一章:Open-AutoGLM能否颠覆传统交互?随着自然语言处理技术的不断演进,Open-AutoGLM作为新一代对话式AI框架,正试图重新定义人机交互的边界。它不仅支持多轮复杂推理,还能动态生成可执行代码、自动调用外部工具&#…

作者头像 李华