博客
关于我
Jmeter-接口功能测试
阅读量:401 次
发布时间:2019-03-05

本文共 1433 字,大约阅读时间需要 4 分钟。

前言

前面已经讲过了如何用Postman做接口功能测试,本篇主要是用Jmeter来演示如何做接口功能测试,这里就大致说一下Jmeter如何用哈,其余的也不多说了。


Jmeter接口功能测试实例

因为在上一篇已经详细讲过了POST跟GET的接口实例,所以这里只演示Jmeter的POST请求实例。


分配加工厂接口的功能测试

以XX系统分配加工厂接口为例,这里主要讲解新增加工厂ID字段以及对单领料单状态的验证。

1. 接口需求分析

根据产品经理的PRD文档要求:

1)新增加工厂ID字段,整数类型,非必填;
2)若对单领料单已经审核通过,限制只有待审核状态才能分配加工厂,若不是则提示“对单领料单不是待审核,不能分配加工厂”。


2. 接口文档分析

接口名称:XX系统分配加工厂接口

接口路径:POST /process/requisitionOrder/updateDistributeStatus
请求参数:

  • 参数名称:Content-Type
  • 参数值:application/json
  • 是否必须:是

请求体:

{    "factoryId": "123",  // 加工厂ID    "factory": "XX服饰",  // 加工厂名称    "produce_order_id": [  // 生产制单(纯数字),多个用逗号分开      1134360    ]  }

返回数据:

{    "msg": "success",    "code": "0",    "info": "操作成功"  }

3. 测试用例设计

用例编号 模块 用例标题 前提条件 操作步骤 预期结果
01 XX接口 新增加工厂ID字段,整数类型,非必填 未填写加工厂ID,其他条件符合要求 发送请求,无加工厂ID字段,其他条件正确 返回“操作成功”,系统正确处理未填充加工厂ID字段
02 XX接口 不填写加工厂ID,其他条件符合要求 不填写加工厂ID,其他条件符合要求 发送请求,无加工厂ID字段,其他条件正确 返回“操作成功”,系统正确处理未填充加工厂ID字段
03 XX接口 填写正确的加工厂ID,其他条件符合要求 填写正确的加工厂ID,其他条件符合要求 发送请求,正确填写加工厂ID,其他条件正确 返回“操作成功”,系统正确处理填充加工厂ID字段
04 XX接口 填写错误的或类型不对的加工厂ID 填写错误的加工厂ID,其他条件符合要求 发送请求,错误加工厂ID或格式错误 返回具体错误信息,系统正确提示错误

4. 测试执行步骤

  • 打开Jmeter界面

    • 双击打开Jmeter的jmeter.bat文件(注意:不要关闭.dat弹窗)。
  • 创建线程组

    • 右键点击“测试计划” -> “添加” -> “线程组” -> “Threads(Users)”。
  • 添加HTTP请求

    • 右键点击线程组 -> “添加” -> “Sample” -> “HTTP请求”。
  • 配置请求参数

    • 选择POST方法,输入服务器名称或IP地址、端口号,对应的接口路径。
    • 在HTTP信息头管理器中添加“Content-Type:application/json”。
    • 在请求体中粘贴完整的JSON数据。
  • 添加监听器

    • 右键点击线程组 -> “添加” -> “监听器” -> “察看结果数”。
    • 添加监听器以查看测试结果。

  • 通过以上步骤,可以在Jmeter中成功验证分配加工厂接口的功能需求,确保系统在不同场景下的正确性。

    转载地址:http://ghozz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>
    OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
    查看>>
    OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
    查看>>
    OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
    查看>>
    OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
    查看>>
    OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
    查看>>
    OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
    查看>>
    OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>