Недавно я наткнулся на проект с открытым исходным кодом под названием TreamLit. TreamLit – это рамка, в которой вы можете построить пользовательские инструменты обучения машины, посвященные науке о данных, а не на пользовательском интерфейсе. Вы можете раскрутить ваше приложение с интуитивно понятным пользовательским интерфейсом и легко используйте модули Python. В этом посте в блоге я собираюсь представить все подробно о том, как я использую steamlit для apache jmeter и что такое преимущества, план будущего и многое другое.
TreamLit – это библиотека Python с открытым исходным кодом, которая позволяет легко построить красивые приложения для обучения машин.
JMeter – это инструмент тестирования нагрузки на открытый исходный код и широко распространен среди разработчиков и тестеров производительности.
Интеграцию TreamLit с Apache Jmeter, вы можете построить модели машинного обучения для обучения для обнаружения аномалий из ваших результатов теста JMeter.
Обратите внимание, что этот проект находится всего в начале, где вы можете выполнить и визуализировать результаты теста в интерактивных графиках.
В настоящее время я работаю над проектированием модели обучения машины для метрик тестирования производительности.
- Apache jmeter.
- Ваш любимый IDE (I ❤ vs код), вы также можете попробовать пичарм
- Анаконда
- Python 2.7.0 или позже/Python 3.6.x или позже
- Пипс
- Обтеснуть
Установите переменную среды Jmeter_home
к папке Apache-Jmeter.
Qiansights/StreamLit-Jmeter
Решение Apache Jmeter с помощью TreamLit и открывая дверь для машинного обучения.
Обзор
Apache Jmeter – это инструмент тестирования нагрузки на открытый исходный код, написанный в 100% чистой Java. JMeter поддерживает протоколы Umpteen, включая HTTP (ы), FTP, SMTP, веб-сервисы, JMS и многое другое. В jmeter вы можете генерировать результаты HTML после выполнения с выполнением, или вы можете использовать Backend Pissivers, чтобы отслеживать результаты времени выполнения.
StreamLit – это каркас с открытым исходным кодом для командных наук и науки о машинах. Вы можете строить инструменты для визуализации данных и интерактивных прототипов.
Apache jmeter + streamlit
Интеграцию TreamLit с Apache Jmeter, вы можете построить модели машинного обучения для обучения для обнаружения аномалий из ваших результатов теста JMeter. Этот проект – это только начало, где вы можете выполнить и визуализировать результаты теста в интерактивных диаграммах.
Предварительные условия
- Apache jmeter.
- Ваш любимый IDE (I
❤ vs код ) - Python 2.7.0 или позже/Python 3.6.x или позже
- Пипс
- Обтеснуть
Использовать…
Запустите app.py
по TreamLit Run. \ app.py
Это откроет новую вкладку или запустить браузер по умолчанию с URL http://localhost: 8501
После успешного запуска вы можете увидеть параметры для выполнения и анализа плана теста JMeter.
Пожалуйста, прочитайте мои подробные Блог пост исследовать дальше.
Оригинал: “https://dev.to/qainsights/apache-jmeter-with-streamlit-for-machine-learning-4f39”