Jmeter集群压测环境搭建

一、准备

最好三台服务器,一台做master,两台做agent

二、配置

apache-jmeter-5.2/bin目录下的jmeter.properties文件修改

master:remote_hosts=#agent机器的IP:端口,如remote_hosts=192.168.12.21:1099,192.168.12.22:1099

server.rmi.ssl.disable=true

agent: remote_hosts=127.0.0.1

server.rmi.ssl.disable=true

启动:命令行参数上增加 -R 192.168.12.21:1099,192.168.12.22:1099

三、遇见的坑

第一坑:java.rmi.ServerException

填坑方法: jmeter.properties文件中设置server.rmi.ssl.disable=true

第二坑:agent机器拒绝连接

如何填坑:

     查看1099的端口是否开启,netstat -ntpl

     启动jmeter服务: nohup sh jmeter-server &

原文地址:https://www.cnblogs.com/lucky-girl/p/12358037.html

时间: 2024-11-08 02:05:47

Jmeter集群压测环境搭建的相关文章

支付宝LR集群压测报告

支付宝压力测试报告 时间:2016-03-23                                             测试人员:XXX 目录 支付宝压力测试报告 1 目录 1 一  测试内容 2 二  测试方法 2 三  测试目标 2 四  测试环境 2 五  系统部署 3 5.1 网络访问 3 六  性能测试结果与分析 3 6.1 LR集群压测(1) 3 6.2 LR集群压测(10) 6 6.3 LR集群压测(20) 9 6.4 LR集群压测(30) 12 6.5 LR集群压

[精华]Hadoop,HBase分布式集群和solr环境搭建

1. 机器准备 1.1 准备了2台机器,安装win7系统(64位) 两台windows物理主机: 192.168.131.44 administrator/(密码是一个空格) 192.168.131.67 administrator/(密码是一个空格) 1.2. 每台机器上安装VMwareWorkstation8.0.3 VMwareWorkstation8.0.3序列号:JG2TD-DJL95-FZZZ8-DU1NH-33GH7 1.3. 创建虚拟机CentOS-6.5-x86_64-bin-

legend分布式服务器集群压测结果

(如果图小,可以Ctrl+鼠标滚轮给缩放) 以下是并发上线1.5万人时的测试结果,如果只是测试万人级别的承载量单网关单逻辑服单数据服的架构将比分布式集群的服务器架构速度更快 本次测试为整个集群只配置了单个对外网关服务器与单个对内逻辑服务器,每个客户端从登陆到上线进场景将会发送与接收并处理了13条消息,其中包括读与写数据库,分10个机器人来批量同时进行上线,前5个机器人每个上线2000个,后5个机器人每个上线1000个,一共是15000个,因此一共处理了15000*13=195000条消息的收发与

Linux 环境下搭建Jmeter集群

一.为什么要搭建集群? 主要原因单台服务器没有办法满足系统的压力,通过多台服务器来缓解压力. 二.Jmeter 分布式原理 1.JMeter 分布式测试,选择节点来做调度服务器,其他的节点作为执行节点,通过调度节点管理其他节点: 2.启动服务时,调度服务器会把脚本发送到各个执行节点(脚本会发送到执行节点,但是数据不会发送),执行节点拿到脚本开始执行命令: 3.各个执行节点执行结束以后将结果回传给调度节点,调度节点进行数据汇总: 原理图: 三.环境搭建 1.每个节点安装Jmeter. 2.进入Jm

mongo 3.4分片集群系列之四:搭建分片集群--哈希分片 + 安全 + 区域

这个系列大致想跟大家分享以下篇章(我会持续更新的(^ω^)): 1.mongo 3.4分片集群系列之一:浅谈分片集群 2.mongo 3.4分片集群系列之二:搭建分片集群--哈希分片 3.mongo 3.4分片集群系列之三:搭建分片集群--哈希分片 + 安全 4.mongo 3.4分片集群系列之四:搭建分片集群--哈希分片 + 安全 + 区域 5.mongo 3.4分片集群系列之五:详解平衡器 6.mongo 3.4分片集群系列之六:详解配置数据库 7.mongo 3.4分片集群系列之七:配置数

利用Redis实现集群或开发环境下SnowFlake自动配置机器号

前言: SnowFlake 雪花ID 算法是推特公司推出的著名分布式ID生成算法.利用预先分配好的机器ID,工作区ID,机器时间可以生成全局唯一的随时间趋势递增的Long类型ID.长度在17-19位.随着时间的增长而递增,在MySQL数据库中,InnoDB存储引擎可以更快的插入递增的主键.而不像UUID那样因为写入是乱序的,InnoDB不得不频繁的做页分裂操作,耗时且容易产生碎片. 对于SnowFlake 的原理介绍,可以参考该文章:理解分布式id生成算法SnowFlake 理解了雪花的基本原理

在 Ubuntu 上搭建 Eadoop 分布式集群 Eclipse 开发环境

一直在忙Android FrameWork,终于闲了一点,利用空余时间研究了一下Hadoop,并且在自己和同事的电脑上搭建了分布式集群,现在更新一下blog,分享自己的成果. 一 .环境 1.操作系统:Ubuntu 12.04 LTS 64位 2.Java版本:openjdk-7-jdk 3.Hadoop版本:2.6.0 4.结点信息: 机器名 IP hostname 作用 master 10.13.14.83 rdcdz140395 NameNode and JobTracker slave-

搭建hadoop集群的linux环境准备

1.修改主机名: 在 root 账号下用命令:vi /etc/sysconfig/network 或sudo vi /etc/sysconfig/network 2.设置系统默认启动级别 在 root 账号下输入 vi /etc/inittab  级别改成3 各启动级别代表含义如下: 0 关机 1 单用户系统,不需要登陆 2 多用户系统但不支持NFS,命令行模式登陆 3 完整多用户模式,命令行模式登陆 4 未定义 5 X11图形模式,图形模式登陆 6.重启 3.配置 hadoop 用户 sudo

Hadoop集群大数据平台搭建

Hadoop集群环境搭建配置 前言 Hadoop的搭建分为三种形式:单机模式.伪分布模式.完全分布模式,只要掌握了完全分布模式,也就是集群模式的搭建,剩下的两种模式自然而然就会用了,一般前两种模式一般用在开发或测试环境下,Hadoop最大的优势就是分布式集群计算,所以在生产环境下都是搭建的最后一种模式:完全分布模式. 硬件选择 须知: 分布式环境中一个服务器就是一个节点 节点越多带来的是集群性能的提升 一个Hadoop集群环境中,NameNode,SecondaryNameNode和DataNo