Я резюмировал свой код, как указано ниже. Логин пользователя -100 раз, постпроцессор Jsr233 поместил 100 токенов. Цикл while {counter user login-100 times Jsr 223 preprocessor -pop 100 tokens } При подсчете цикла 1 он извлекает все токены, для подсчета 2 ничего не остается. Как с этим справиться?
${__fifoPop(sync_tokenqo, gotTokenq_2)} очистить стек, что мы должны делать, когда нам нужен тот же токен для другого запроса в Jmeter
06.04.2020
Ответы:
1
Просто не используйте плагин связи между потоками
Если вход в систему и цикл выполнения находятся в одной и той же группе потоков, используйте
varsсокращение для экземпляр класса JMeterVariables, например:vars.put('gotTokenq_2', 'token_value_here') // store the variableЕсли вход в систему и цикл "пока" находятся в разных группах потоков, вместо этого используйте сокращение
props:чтобы установить значение:
props.put('token_' + ctx.getThreadNum(), 'token value here')чтобы прочитать значение:
vars.put('gotTokenq_2', props.get('token_' + ctx.getThreadNum()))
В обоих случаях вы сможете получить доступ к значению токена как ${gotTokenq_2}, где это необходимо.
Дополнительная информация об этих ярлыках vars, props и ctx: 8 основных классов Java JMeter, которые следует использовать с Groovy
06.04.2020
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..