GATLING ALIMENTATORI E STRATEGIE DI ALIMENTAZIONE

Ciao a tutti, nel nostro post precedente Accelera le prestazioni con Gatling: POST HTTP REQUEST noi abbiamo discusso:

Quali sono i diversi modi per inviare una richiesta HTTP POST con Gatling?
Come giocare con i diversi tipi di enti di richiesta utilizzando Gatling?

In questo post parleremo di:

Come inviare dati dinamici nei corpi di richiesta con i feeder Gatling?
Quali sono le strategie di alimentazione Gatling?

Supponiamo di simulare un caso d'uso in cui 1000 utenti simultanei stanno tentando di registrarsi all'app. Ora ci sono due modi per farlo: uno è scrivere un metodo di stringa casuale e usarlo nella nostra simulazione e l'altro è separare i dati dalla nostra simulazione definendo un alimentatore.

Alimentatore Gatling

Il feeder è un alias di tipo per Iterator[Map[String, T]]. Gatling DSL fornisce un metodo 'feed' di facile utilizzo che prende l'alimentatore come argomento e legge i dati dall'alimentatore e li inserisce nella simulazione.

pyspark cheat sheet pdf

Gatling ha fornito più alimentatori

Alimentatori di file separati da caratteri

Gatling fornisce vari modi per leggere i dati da file di valori separati da caratteri. Ora ci sono più casi d'uso in cui utilizziamo caratteri separatori diversi nei nostri file di dati come | ‘: @ # $ eccetera.

Quindi possiamo usare

ore csvfeeder = csv(userData.csv) // usa un separatore di virgola
ore tsvfeeder = tsv(userData.tsv) // usa un separatore di tabulazione
ore ssvFeeder = ssv(userData.ssv) // usa un punto e virgola separatore
ore customSeparatorFeeder = separateValues(hello.txt, '#') // usa il tuo separatore.

Se disponiamo di file di dati di grandi dimensioni, puoi utilizzare il file zip nell'alimentatore Gatling e chiedere a Gatling di decomprimere i dati in fase di esecuzione utilizzando la seguente sintassi

val csvFeeder = csv(userData.csv.zip).** unzip**

Alimentatori JSON

Sopra abbiamo visto come inviare i dati dai diversi file, ma cosa succede se un utente vuole utilizzare un file JSON come feeder? Proprio come il feeder CSV, Gatling ha un feeder JSON che può inserire i dati dal file JSON o da un URL JSON con la seguente sintassi:

ore jsonFileFeeder = jsonFile(createUserData.json)
ore jsonUrlFeeder = jsonUrl ( http://www.json-generator.com/api/json/get/bUPuyHdmcy?indent=2” ;)

Alimentatori JDBC

Come dice il nome, l'alimentatore JDBC fornisce la capacità di leggere i dati dalle connessioni JDBC. Significa che se un utente desidera leggere i dati da un database come MySQL o PostgreSQL, può utilizzare i feeder JDBC che prenderanno l'URL di connessione, le credenziali dell'utente e la query come input e in fase di esecuzione si collegheranno al database come da configurazione definita e iniettare i dati nella simulazione.

apri la finestra mobile del media vault

jdbcFeeder(databaseUrl, nome utente, password, SELECT * FROM utenti)

Gatling supporta anche altri feeder, ma questi dipendono dal caso d'uso in cui se un utente desidera leggere un file della mappa del sito utilizzando i feeder della mappa del sito, leggere i dati da Redis utilizzando i feeder di Redis e definire un feeder personalizzato secondo il caso d'uso.

#scala #gatling feeder #json feeder

blog.knoldus.com