开放模型

开放模型中我们可以主动的控制用户的到达率。

• 开放模型的好处

  • 了解每阶段用户真实的请求量，与并发的不可控的情况下，这种场景会更加偏向于真实。

  • 每个请求链或者请求都是一个新的连接，复用较少，会发现以前一些因为连接数不够而为发现的问题。

  • 请求持续注入，当系统已经达到性能瓶颈时，不会与并发一样减少请求量，而是会以设置的请求量持续注入。

• 开放模型的坏处

  • 每个虚拟用户都有自己的连接。如果生命周期短，用户创造率很高，那么将不得不打开和关闭大量连接。
  • 与服务端连接数较多，当服务端处理过慢出现堆积的时候，会导致压测脚本崩溃。

一次性注入

设置了一次性注入的用户数

atOnceUsers(4)

在指定时间内线性增长用户数到指定数量

设置了总的用户数，然后设置一个分配总用户数的时间，每秒的用户数是一样的。

rampUsers(4).during(4.seconds)

恒定速率

每秒固定用户数

持续指定时间，设置了每秒注入的用户数，然后设置一个持续的时间，每秒的用户数是一样的。

constantUsersPerSec(4).during(4.seconds)

每秒用户数从指定值提升到指定值

持续指定时间，每秒的用户数会增加。

rampUsersPerSec(1).to(4).during(4.seconds)

随机速率

每秒固定用户数

持续指定时间（每秒的用户数是一样的，但因为是在毫秒级别随机，所有用户数曲线会有波动）。

constantUsersPerSec(4).during(4.seconds).randomized

每秒用户数从指定值提升到指定值

持续指定时间(每秒的用户数会线性增加到一个指定值，又因为毫秒级别的随机导致曲线会存在波动）。

rampUsersPerSec(1).to(4).during(4.seconds).randomized

阶跃函数

在指定时间内，以阶跃函数的方式逐步增加用户到指定数量（即每秒递增）（先增长，后衰减）

heavisideUsers(12).during(5.seconds)

开放模型负载

从指定每秒用户数开始，每持续指定时间，在指定时间段内增加指定每秒用户数，如此循环增长指定次数（阶梯增加用户数）

incrementUsersPerSec(50)
.times(10)
.eachLevelLasting(120.seconds)
.separatedByRampsLasting(5.seconds)
.startingFrom(100)

封闭模型

封闭模型可控制并发用户数，保持一定的连接数并复用，减少因为建立连接所导致的问题，满负荷运行时，新用户只有在另一个用户退出后才能有效地进入系统。

• 封闭模型的好处

  • 可以快速了解到系统的极限值在哪里。

    • 线程复用，不会每秒打开或者关闭连接导致系统资源出现问题。

• 封闭模型的坏处

  • 无法复现因为连接数导致的问题。

  • 无法模拟真实用户的场景。

固定并发用户数

指定时间内，固定并发用户数。

constantConcurrentUsers(1000).during(30.seconds)

并发用户数从指定值增加到指定值

指定时间内，并发用户数从指定值增加到指定值。

rampConcurrentUsers(10).to(50).during(10.seconds)

封闭模型负载

从指定并发开始，每持续指定时间，在指定时间段内增加指定并发数，如此循环增长指定次数。

incrementConcurrentUsers(100)
.times(10)
.eachLevelLasting(120.seconds)
.separatedByRampsLasting(5.seconds)
.startingFrom(100)

（完）