博客
关于我
Jmeter配置元件之随机变量与计数器-23
阅读量:719 次
发布时间:2019-03-21

本文共 621 字,大约阅读时间需要 2 分钟。

随机变量显示的此取样器的描述性名称,可自定义设置。

随机字符串取样器用于生成并存储随机数字字符串,供取样器使用。这比直接使用用户定义的变量与Random()函数更简便。

随机变量属性名称:设置一个自定义的描述性名称,可任意输入。

输入格式:指定生成的变量格式。例如:"USER_000"将按规则生成"USER_xxx"形式的随机字符串,默认为纯数字。

最小值:定义随机字符串的最小值范围。

最大值:设定随机字符串的最大值范围。

随机种子:当每线程设置为True时,指定相同的种子值可确保同一循环不同线程获取同一个随机变量值。

每线程:设置为True时,每个线程独立拥有随机生成器。设置为False时,所有线程共享同一个生成器。

计数器用户可创建一个既可以在线程组任何位置引用,又可以在线程组迭代中独立使用的计数器。

计数器配置起始值:第一次迭代时计数从指定值开始,默认为0。

递增:每次迭代后增加指定数值,默认为0。

最大值:超过最大值后,计数器将重置为起始值,默认为Long.MAX_VALUE。

计数器格式:可选,添加数字格式。例如,格式为"000"时,会将数值格式为"001"。

引用名称:指定计数器的变量名称,可用${引用名称}引用。

计数器跟踪方式提供“每用户独立跟踪”的选项,独立于线程组,每个线程组成员都有自己的计数器。

线程组迭代下计数器重置:在“每用户独立跟踪”模式下,可选该选项,强制每次线程组迭代所有计数器重置为起始值。

转载地址:http://bkvrz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>