当前位置:首页 > 文章列表 > 文章 > 软件教程 > JMeter 如何把 CSV 数据绑定到并发请求

JMeter 如何把 CSV 数据绑定到并发请求

来源:17golang原创 2026-09-11 13:00:37 0浏览 收藏

在 JMeter 里让并发请求使用不同账号或订单参数,最稳妥的入口是 CSV Data Set Config:它在每次迭代开始时读取 CSV 的一行,并把列拆成变量,再由 HTTP Request 用 ${username}、${password} 取值。这样数据和请求模板分开,换测试数据时不用改请求本身。

官方地址:https://jmeter.apache.org/

要点速览
  • 有表头的 CSV 可以让 Variable Names 留空;无表头时再按分隔符填写变量名。
  • Filename 用相对测试计划的路径更适合团队协作,Sharing mode 决定线程如何取行。
  • 数据行数不足时,要明确选择循环读取,或在 EOF 时停止线程,避免把 当成有效参数发出去。

先准备一份能对应请求字段的 CSV

在测试计划旁建立 data/users.csv,第一行写列名,后面每行放一组虚拟数据。例如文件内容可以是:

username,password
demo_user_01,masked_password_01
demo_user_02,masked_password_02

这个示例使用英文逗号分隔。字段名要和请求中使用的变量一致;如果 CSV 没有表头,后面就不能依赖自动识别,而要在配置元件的 Variable Names 中按列顺序填写。不要把生产账号、真实密码或个人路径放进压测文件。

在 Thread Group 下添加 CSV Data Set Config

  1. 定位入口:在左侧测试计划树右键 Thread Group,选择 Add → Config Element → CSV Data Set Config。
  2. 填写字段:在右侧 Filename 填 data/users.csv,Delimiter 保持逗号;因为文件有表头,Variable Names 留空。选择 Sharing mode: All threads,先保留 Recycle on EOF: True、Stop thread on EOF: False。
  3. 确认状态:保存测试计划后,树中应能看到 CSV Data Set Config,字段值仍保留,底部状态栏显示配置已保存。此时它在 Thread Group 范围内,后面的采样器可以读取这些变量。
JMeter Thread Group 下的 CSV Data Set Config 配置面板,显示文件路径、分隔符和 All threads 共享模式
图1:CSV Data Set Config 的关键字段已经填入,配置元件位于 Thread Group 下。

把变量放进 HTTP Request 的实际字段

  1. 打开请求:在同一个 Thread Group 下选中 HTTP Request,进入请求参数或 Body Data 区域。
  2. 替换固定值:将登录类请求中的用户名改成 ${username},密码改成 ${password};如果是查询接口,也可以把订单号、租户号等列映射到 URL 参数或表单字段。
  3. 先小规模验收:把线程数和循环次数设为很小,运行后打开 View Results Tree。请求编辑区应保留变量表达式,结果面板中则应看到本次发送值已被 CSV 当前行替换,并出现成功响应状态。

这里要区分“表达式存在”和“变量有值”:编辑器里看到 ${username} 只能证明绑定写法正确,结果树中的请求数据才说明本轮迭代确实取到了 CSV 行。

JMeter HTTP Request 使用 CSV 用户名和密码变量,View Results Tree 显示变量替换后的成功结果
图2:HTTP Request 使用 CSV 变量表达式,结果面板显示本次请求已完成变量替换。

根据并发数据模型选择共享和 EOF 行为

默认的 All threads 适合一份数据文件由多个线程共同消费:每个线程在迭代开始时取下一行,但实际顺序取决于线程调度,不要把“第 1 行一定给线程 1”当成保证。如果希望每个线程拥有自己的文件,可准备类似 users_1.csv、users_2.csv 的文件,使用 filename${__threadNum}.csv 并选择 Current thread。

场景建议设置验收重点
数据可循环复用Recycle on EOF = True重复压测时不会因读完文件而停顿
每行只能消费一次Recycle on EOF = False文件耗尽后的处理要配合 Stop thread 判断
数据不足就停止线程Stop thread on EOF = True不能把 EOF 字符串当成业务值
线程独占数据文件Sharing mode = Current thread文件命名和线程号一一对应

当 Recycle on EOF 为 False 且不停止线程时,变量可能变成 ;这不是接口返回值,也不是空字符串。并发量、迭代次数和 CSV 行数应在启动前一起估算,必要时先用少量线程观察结果树。

常见问题

为什么 Variable Names 要留空?

因为示例 CSV 第一行就是表头,JMeter 会按分隔符读取列名。没有表头时才在该字段按列顺序填写变量名。

为什么请求里出现了 ${username} 而不是实际值?

先确认 CSV Data Set Config 位于该 HTTP Request 的作用域上方,再检查 Filename 相对路径、分隔符和表头拼写;用 View Results Tree 看发送数据,不要只看编辑器。

All threads 会不会让每个线程拿到同一行?

不会按“每线程固定一行”设计;共享模式下线程共同读取文件,行的分配顺序受执行时序影响。需要线程独占时,使用每线程文件和 Current thread。

完成验收后再逐步提高线程数。真正要压测的是接口容量,不是把 CSV 读取、数据耗尽和错误账号混在一起造成的噪声。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go bytes.Reader Len 和 Size 返回值为什么不同Go bytes.Reader Len 和 Size 返回值为什么不同
上一篇
Go bytes.Reader Len 和 Size 返回值为什么不同
Go go vet 自定义格式函数为什么识别不了
下一篇
Go go vet 自定义格式函数为什么识别不了
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    720次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    726次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    802次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    763次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    599次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码