---恢復內容開始---
場景：一個社交電商的支付場景
考慮的鏈路：大量的用戶+選擇不同商品+不同用戶進行下單+選擇自己平台支付（余額）+查看不同訂單列表+進行售后
需要的技術支持:驗證碼需要廢掉，用戶支付密碼寫死
設計如下：
- 分三個步驟，設計三個線程組；第一個步驟制造大量的登錄用戶，並產生token；第二個這么多用戶選擇商品，進行下單；第三個進行支付，並后期的退款；
- 由於我有三個線程組，所有我在testplan,勾選獨立運行每個線程組，我不希望同時進行，導致可能的失敗；
- 造數據，造大量的登錄注冊用戶，獲得數萬計的token，電話號碼的制造，我不管你們有多少方法，我就簡單實現，jmeter自帶的函數助手，random函數${__Random(13111111111,15999999999,)},
- 提取token，常用的方法是正則匹配，json提取器，那個用的liu,你就用哪個吧，這個就不用貼圖比較簡單；
- 在制造大量的數據的時候，我接到了一個任務需求，就是這些token我需要存在csv文件中，存在本地文件中。。。，拿到需求我有點懵逼，如果我用python寫，很容易寫到本地呀，仔細想了下，beanshell應該可以，他就是Java，應該可以提供方法，果然可以，添加一個beanshell后置處理器，腳本如下：
import java.io.BufferedWriter;
import java.io.FileWriter;
import java.io.IOException;
String token=bsh.args[0];
try {
FileWriter fstream=new FileWriter("E:\\test\\token.csv",true);
BufferedWriter out=new BufferedWriter(fstream);
out.write(vars.get("token")+"\n");
out.close();
fstream.close();
} catch (IOException e) {
e.printStackTrace();
}
- 當時想到有多個線程組，如果跨線程合作，就想到全局變量，這里也記錄下；設置全局變量暫時記錄2種方法，一種beanshell取樣器，一種beanshell后置處理器，都會使用函數__setproperty函數
然后拷貝出來，把它放在beanshell取樣器腳本里面，然后使用__P函數，引用全局變量，
現在就可以在任何線程里面引用token了（全局我暫時只能傳遞一個，雞肋了，后期再研究下），另外一種是beanshell后置處理器，腳本如下：
String userId=bsh.args[0];
print (token);
${__setProperty(token,${token},true)}
- 在壓測過程中，發現每次啟動腳本，token等值就會追加在csv文件后面，我希望每次數據都是干凈，發放如下，在保存數據之前，添加一個beanshell取樣器，腳本如下，
String path = "E:\\test";
File file = new File(path);
if (!file.exists()) {
System.out.println("目錄不存在" + "the dir is not exists !");
return false;
}
String[] content = file.list();//取得當前目錄下所有文件和文件夾
for (String name : content) {
File temp = new File(path, name);if (temp.isDirectory()) {
//判斷是否是目錄
temp.delete();
//刪除空目錄
} else {
if (!temp.delete()) {
//直接刪除文件
System.err.println("Failed to delete " + name);
}}
return true;log.info("刪除成功 ");
}
每次啟動前，就可以把我之前文件夾下的文件全部刪除了。
- 之前產生了csv,自然我要讀數據，有很多方法，有csvdata讀取-路徑是絕對路徑，我習慣用stringFromFile函數"${__StringFromFile(E:\test\order.csv,order,,)}"；
- 我在獲取訂單列表的時候，總會有翻頁，而且頁碼有規律的增加，這個時候就用到counter這個配置元件或者函數都可以，我喜歡函數${__counter(True;1,)}
- 基本線程都完成了，這個時候你就需要定時器，我選擇兩種，固定/聚集定時器，至於原理這里就不在贅述簡單，還有目前是腳本的開發，至於調試，和業務也需要掛鈎，漏斗模型或者線程的比例后期再研究
- 最后貼一張我的成果
