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
    OJ中常见的一种presentation error解决方法
    查看>>
    OK335xS UART device registe hacking
    查看>>
    ok6410内存初始化
    查看>>
    one_day_one--mkdir
    查看>>
    OpenCV 中的图像转换
    查看>>
    opencv5-图像混合
    查看>>
    opencv9-膨胀和腐蚀
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    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YOLO11实现区域内目标跟踪
    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YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    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保存图片路径包含中文乱码解决方案
    查看>>
    opencv图像分割2-GMM
    查看>>
    OpenCV(1)读写图像
    查看>>
    OpenCV:概念、历史、应用场景示例、核心模块、安装配置
    查看>>