搜索[测试数据]结果-低调大师优秀个人博客

精选列表

搜索[测试数据]，共1955篇文章

TechEmpower 框架性能测试数据 - 新解读

1. TechEmpower Framework Benchmark 介绍 TechEmpower 框架性能大比拼平台从 2013 年 3 月开始以来已经历经了 18 轮测试,参与这个平台的框架平台产品也从一开始的 24 种增加到今天的 659 种! 可以说这个平台已经是业界的标准性能测试平台,在 Web 框架性能测试领域的地位大概能和 PassMark 在 CPU 性能测试领域的地位相当. TechEmpower 自身提供的棒图直观地呈现框架的 Throughput (吞吐量, 即每秒处理请求数): 而 TechEmpower 在测试过程中还收集了其他类型的数据,包括: Latency (时延 - 从发起请求到收到响应的平均时间) Memory (内存占用) CPU (CPU 占用百分比) 2. TFB VIS 可视化网站最近出现了一个新网站提供了另外几个数据的可视化呈现: https://ajdust.github.io/tfbvis/ 这个网站打开是这样的: 默认排序是吞吐量,但可以通过点击列标题下面的空白部位切换排序列,比如点击红色箭头指向部位按照时延排序: 可以选择不同的 TFB 测试项目: 选择显示的框架: 遗憾的是目前该页面只能支持两个过滤条件: 3. ActFramework vs. Spring Framework 下面我们就来看看 Spring 和 Act 这两种框架的各方面对比: 3.1 JSON 测试为了方便大家理解,这里解释一下图示的数据 (下面的图示就省去解释了): 框架吞吐量时延内存占用 CPU 占用 Act 1022k 0.52ms 2G 53% Spring 130K 5.29ms 6G 61 % 总结: 没有涉及数据库的情况下, Spring 比 Act 占用 3 倍的内存吞吐量大约为 1/8 平均时延是 10 倍 3.2 Fortune 测试总结: 在有数据库和后端页面生成的情况下, Spring 比 Act: 占用 3 倍内存吞吐量大约为 1/7 平均时延大约为 5 倍 3.3 Query 测试总结: 在多次查询(每个请求过程中处理查询数据库 20 次)的情况下, Spring 比 Act: 占用 3 倍内存吞吐量大约为 1/5 到 1/2 (Spring WebFlux 在这个测试表现较好) 平均时延大约为 3 到 8 倍 3.4 Update 测试总结: 在多次更新(每个请求过程中更新数据库 20 次)的情况下, Spring 比 Act: 占用 3 被内存吞吐量与平均时延和 Act 相当 (Spring WebFlux 在这个测试表现较好) 3.5 DB 测试总结: 在单次查询(每个请求处理过程查询数据库 1 次)的情况下, Spring 比 Act: 占用 3 倍内存吞吐量为 1/2 到 1/5 平均时延大约为 3 到 10 倍 4. 大侠请票我看到这里可能有同学会情不自禁地问,用 ActFramework 写这种高效的应用可能会比较麻烦吧. 实际情况完全相反哦, 看看 ActFramework QQ 群友的声音: 最后就向各位看官提个小小的请求了: 大侠请票我!

2019-11-27

性能测试数据准备故障排查深度指南

在性能测试实践中，80%以上的压测失败或结果失真，并非源于脚本缺陷或服务器瓶颈，而是始于一个被长期低估的环节——数据准备。当JMeter报告TPS骤降、响应时间飙升、数据库连接池耗尽时，工程师往往第一时间排查中间件配置或代码逻辑，却忽略了：那10万条用户数据是否真实分布？订单表里的时间戳是否跨越了业务有效期？库存字段是否因初始化为负数触发了风控熔断？本文将系统性拆解性能测试中数据准备阶段的典型故障模式、根因定位路径与工程化防控策略。

2026-09-09

SQL调优如何生成海量测试数据

poster_uid) )COLLATE='utf8mb4_general_ci'ENGINE=InnoDBDEFAULTCHARSET=utf8mb4/*{RC{1000000}}*/; 第2步，填写连接测试数据库的账号密码

2017-06-01

测试专家必看：测试数据生成技术深度解析

引言在软件质量保障体系中，测试数据的质量与多样性，往往比测试用例本身更深刻地影响着缺陷检出率。

2026-09-09

通用测试数据生成工具 ZenData 1.2 版本发布

ZenData是由禅道项目管理软件团队推出的一款通用的测试数据生成工具。主要为了解决开发和测试过程中测试数据的生成、维护、解析问题。

2020-08-20

每日一博 | 解读 TechEmpower 框架性能测试数据

2019-11-28

SQLT导入测试数据，及SQL Profile的使用

性能分析过程中，经常会遇到生产库出现SQL的性能问题，但是，我们没有办法在生产库上做很多动作，需要将这个SQL的对应的表结构信息，统计信息导入到测试库进行测试（没有真实的测试数据，只有统计信息）本次测试目的

2017-03-15

测试专家必看：测试数据生成的未来已来

在自动化测试持续深化、DevOps与AI工程化加速落地的今天，一个长期被低估却日益关键的瓶颈正浮出水面——测试数据。

2026-09-09

Object Bot 1.0.0 发布，Java 测试数据管理库

Object Bot 是Java 的一个管理测试数据的程序库。为什么要有 Object Bot？

2020-09-02

数据库测试数据准备厂商 Snaplet 宣布停止运营

Snaplet 主要帮助开发团队在数据库中生成仿真度高且合规的测试数据。我们在年初还撰文介绍过它「告别手搓！Postgres 一站式测试数据生成方案」。

2024-07-02

使用Redis Dataset JMeter插件即时控制您的测试数据

试想一下，你有一个应用程序，你要性能测试，以及应用程序需要同时检测被消耗数据。如果您有这种需要（并且您熟悉JMeter），那么您可能会使用CSV数据集config。CSV数据集配置具有一些出色的功能，可让您控制测试将如何使用数据的大多数方面。但是，CSV数据集配置的一个主要缺点是，一旦测试开始，如果要更新正在使用的数据，则需要有权访问JMeter正在使用的文件。否则，您将锁定可用于测试的数据。对于在本地计算机上运行的测试，这不应该成为问题，您只需将CSV文件与新数据一起保存（或删除不需要的数据），JMeter只要有更改就可以反映该更改。仍然打开该文件。当您使用BlazeMeter扩展测试范围时，就会出现问题。在这种情况下，将CSV文件用于数据将意味着在云中运行的每个测试实例将拥有其自己的数据副本，这使得对数据进行更改成为问题。我们想要的是一个更像Virtual Table Server（VTS）的流程，在这里我们将使用位于中央的数据源。这是我们要使用Redis数据集插件解决的问题。请注意，要遵循这种情况，您需要拥有一个BlazeMeter帐户，一个运行BlazeMeter的云引擎可以到达的Redis服务器以及在JMeter中安装Redis数据集插件（您可以从插件中获取它）经理！）。 01 设置我们的Redis列表我的Redis服务器托管在云中，但是您也可以将其安装在本地计算机上。我们要做的第一件事是使用redis-cli命令为LPUSH或RPUSH添加一些值到Redis列表（取决于您是否希望将其添加到列表的开头或结尾），如下所示： LPUSH列表键value1 value2 value3 关于Redis的一件好事是，如果列表的键不存在，它将使用此命令创建。具体来说，在撰写本文之前，我在名为“ jmeter”的列表中添加了三行，其中每个条目代表两个变量，可以由我们的JMeter测试使用，以逗号分隔，如下所示： LPUSH jmeter值11，值12值21，值22值31，值32 现在，我要使用SSH（安全Shell）进入我的Redis服务器并开始使用该列表。我们可以使用LRANGE命令检查现有列表中的值。在这里我们使用量程jmeter 0 -1 指定我们要查看列表中的所有条目，从索引0（第一个）到-1（最后一个）。 02 配置JMeter 因此，我们可以看到所有元素都已添加，并且每个元素都具有所需的格式。接下来，我们将配置JMeter以利用此数据集。启动JMeter，添加线程组，然后添加Redis数据集配置元素。在查看Redis数据集配置时，您将看到一些我们需要指定的字段才能使它起作用。首先检查连接配置：我们需要指定托管Redis的服务器的IP地址（或主机名），Redis使用的端口以及用于Redis身份验证的密码。请注意，如果您在本地运行Redis，则当我们将此测试引入BlazeMeter时，无法使用localhost（或127.0.0.1），在这种情况下，您将需要可远程访问Redis服务器的公共IP地址。另一个重要信息是如何使用数据。我们需要指定在Redis中用于标识列表的键，并使用“变量名”字段来确定如何在脚本中引用变量（请注意，这些变量应以逗号分隔）。由于我们在Redis服务器上用逗号分隔了值，因此我们可以将Delimiter保留为其默认值。我们还需要选择数据源类型。在这一点上，值得注意的是，我们可以使用Redis Set或Redis List。我选择使用列表，因为它最适合我们，就像使用CSV数据集配置一样。使用Set和List的区别在于List具有特定的顺序，并且可以具有重复的值，而Set将以随机顺序检索，而添加到Set的重复值将被忽略。接下来，我将在测试中添加一个虚拟采样器以说明该用例，而无需创建任何实际负载。这样我们就可以看到更改发生的时间，我将“虚拟采样器”的名称设置为“虚拟：$ {first}和$ {second}”，标签将告诉我们从Redis读取了什么值。服务器。在本地进行此测试以确保我们的测试可以连接到Redis之后，让我们将该测试上传到BlazeMeter。 03 在BlazeMeter上扩展我们的测试请注意，与使用CSV数据集配置不同，我们不需要包含任何其他文件，因为我们将远程获取数据。在运行此测试时，我们看到显示的标签中填充了来自Redis服务器的数据。我们去添加一个值到我们的Redis列表中 RPUSH jmeter值41，值42 花几分钟时间，然后在测试运行时，JMeter将与您的Redis Server取得联系，以获取其应使用的下一组值。当报告数据在BlazeMeter中更新时，我们将看到一个新标签。向后工作，以查看何时将这些数据引入测试中，我们可以将其隔离，并看到标签“ Dummy：value41和value42”在整个测试过程中的一部分开始显示，同时对应于Redis的更改服务器。测试使用的是云中的一个引擎还是跨数百个引擎都没关系，我们以一种更新所有测试中使用的所有数据的方式构建了它（但请确保Redis Server可以处理负载）！）。您是否曾经进行过测试并且对自己进行了思考：“好吧，我希望我能在开始之前为此添加更多数据”，而只需要放弃测试运行并重新开始进行您真正想要的测试？您是否曾经运行过“日志重播”性能测试，该测试正在从CSV读取URL，并且突然希望您的所有虚拟用户都专注于点击一个URL？您是否曾经花时间设置一个大型测试事件，却意识到一旦运行，您的1000个数据条目中就有一个是错误的，并且总是会导致错误？测试时可以使用多种方式访问位于中心的可调整数据源，这些只是其中的几种。推荐阅读 TeamCity VS Jenkins：选择正确的CI / CD工具持续集成（CI）如何在Chrome浏览器中运行Selenium？长按识别二维码添加小编加自学群哦本文分享自微信公众号 - 软件测试test（gh_d29759b02f67）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

2020-10-16

如何在Python中用scikit-learn生成测试数据集

测试数据集 2. 分类测试问题 3. 回归测试问题 测试数据集开发和实现机器学习算法时的一个问题是如何知道你是否已经正确实现了他们——它们似乎在有 bug 时也能工作。

2018-02-08

【资源分享】esrally：Elasticsearch 官方压测工具测试数据共享（国内）

作者介绍魏彬，普翔科技 CTO，开源软件爱好者，中国第一位 Elastic 认证工程师，《Elastic日报》和《ElasticTalk》社区项目发起人，被 elastic 中国公司授予 2019 年度合作伙伴架构师特别贡献奖。对 Elasticsearch、Kibana、Beats、Logstash、Grafana 等开源软件有丰富的实践经验，为零售、金融、保险、证券、科技等众多行业的客户提供过咨询和培训服务，帮助客户在实际业务中找准开源软件的定位，实现从 0 到 1 的落地、从 1 到 N 的拓展，产生实际的业务价值。上篇文章：【最佳实践】esrally：Elasticsearch 官方压测工具及运用详解操作步骤话不多说、先上菜 1、通过以下命令，拉取镜像 docker pull rockybean/esrally 2、下载数据文

2020-06-10

教你在Python中用Scikit生成测试数据集（附代码、学习资料）

测试数据集是一个小型的人工数据集，它可以让你测试机器学习算法或其它测试工具。 测试数据集的数据具有定义明确的性质，如线性或非线性，这允许您探索特定的算法行为。

2018-01-30

电芯分选 OCV 测试数据管理与 MES 系统集成方案

在储能模组制造产线中，开路电压（OCV）测试是电芯分选的核心工序，直接决定模组一致性与循环寿命。一条日产 5000–10000 颗电芯的产线，单日产生的测试记录、波形快照与环境参数可达数十万条，且需满足 10 年可追溯要求。传统以文件或单一关系库为主的数据管理方式，在写入吞吐、查询时效与长期归档成本之间难以兼顾，同时与 MES 系统的数据交互多依赖人工导出，存在实时性差、易出错等问题。本文提出一套面向 OCV 测试的数据管理与 MES 集成方案，覆盖协议接入、分层存储与接口协同。

2026-08-19

测试数据生成 Skill、Mock Skill、断言 Skill：Agent 测试三件套

“哥，我让AI生成退款接口的测试用例，它给我写了20条。跑完之后我一看，15条假通过。”

2026-10-13

测试人员必备：推荐一款智能测试数据清理AI Skill，支持db、redis、mq等

行业统计，数据污染占 Flaky Test 成因的 60% 以上——这是接口自动化"随机失败"的头号元凶。

2026-07-15

针对手游业务亚马逊，首都在线，迅达云主机的IO Network 性能测试数据

本文转自 swq499809608 51CTO博客，原文链接:http://blog.51cto.com/swq499809608/1407700

2017-11-11

数据管理DMS重磅发布：测试数据构建，不仅仅是姓名、邮箱、手机号

阿里云数据管理DMS 测试数据构建功能（试用版）已于9月底发布，目前试用版支持MySQL数据库，提供随机、自定义、逻辑依赖、枚举4种生成方式，如姓名、手机号、邮箱等常用数据类型都可以直接生成，全程UI点击完成

2017-09-12

中国信通院发布“方升”大模型基准测试体系

“方升”测试体系涵盖大模型基准测试的关键四要素，即测试指标、测试方法、测试数据集和测试工具，目前已形成《大规模预训练模型基准测试-总体技术要求》标准。

2023-12-28

资源下载

更多资源

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

精选列表

TechEmpower 框架性能测试数据 - 新解读

性能测试数据准备故障排查深度指南

SQL调优如何生成海量测试数据

测试专家必看：测试数据生成技术深度解析

通用测试数据生成工具 ZenData 1.2 版本发布

每日一博 | 解读 TechEmpower 框架性能测试数据

SQLT导入测试数据，及SQL Profile的使用

测试专家必看：测试数据生成的未来已来

Object Bot 1.0.0 发布，Java 测试数据管理库

数据库测试数据准备厂商 Snaplet 宣布停止运营

使用Redis Dataset JMeter插件即时控制您的测试数据

如何在Python中用scikit-learn生成测试数据集

【资源分享】esrally：Elasticsearch 官方压测工具测试数据共享（国内）

教你在Python中用Scikit生成测试数据集（附代码、学习资料）

电芯分选 OCV 测试数据管理与 MES 系统集成方案

测试数据生成 Skill、Mock Skill、断言 Skill：Agent 测试三件套

测试人员必备：推荐一款智能测试数据清理AI Skill，支持db、redis、mq等

针对手游业务亚马逊，首都在线，迅达云主机的IO Network 性能测试数据

数据管理DMS重磅发布：测试数据构建，不仅仅是姓名、邮箱、手机号

中国信通院发布“方升”大模型基准测试体系

资源下载

Spring

Rocky Linux

Sublime Text

WebStorm

欢迎您来访！