跪求:在使用LR做登录的压力测试时,用户名密码错误,但事务却成功的情况下,对测试结果会有影响吗? 10C

目的:使用LR做系统登录的压力测试
步骤:
1.录制脚本成功
2.对登录名、密码进行参数化,对登录操作添加集合点、添加事务
3.运行脚本,检查脚本正确性
结果:事务点成功,但是查看日志的时候,登录名和密码都没有对上,意思就是说实际情况下,使用登录名和密码是登录系统不成功的。
问题:在这种情况下,设置场景,并发测试的话,对压力结果会有影响吗?

2个回答

这个当然影响了。你都没有登录成功,怎么进行后面的操作呢?
如果能进行后面的操作,那说明安全存在问题。

有影响的,这个很有可能用户名密码参数化不对或者取值设置不对,事务成功要么是网站安全有问题,要么是事务点检查的方法有问题,性能测试都是基于具体业务的,也就是说事务脚本运行一定是要符合正确的业务规则,性能的并发测试才有效,否则都要检查脚本,直到调试成功。

Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
loadrunner 11 录制的脚本登录用户明或密码加密过怎样进行压力测试

loadrunner 11 录制的脚本登录用户明或密码加密过怎样进行压力测试

使用lr11录制的app代码用户名和密码使用guthub上的开源框架框架des加密怎样解密进行参数化

web_custom_request("login", "URL=http://app.yunzhidata.com/member/login", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t1.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=eiMU1CCDzKu8JB33HGkh2EZENL9qQ4YVX6VJUOap1tYkQZMHOz4dHQ==", LAST); web_custom_request("myCenter", "URL=http://app.yunzhidata.com/center/myCenter", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t2.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjrwXo2DC2M/Sm", LAST); web_url("websocket", "URL=http://app.yunzhidata.com/websocket", "Resource=0", "Referer=", "Mode=HTML", LAST); web_custom_request("findWineMsgList", "URL=http://app.yunzhidata.com/trade/findWineMsgList", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t3.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjr5eW6lWns1H3gCK20/fWhWqE\nMPNFHzs2i0m+sJPAY8ulyGi8xpr3nEgmf0FIGsNe4Z3VxVL0jNP4", LAST); web_custom_request("market", "URL=http://app.yunzhidata.com/trade/market", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t4.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjr/XdmXLzFJ6ZDKtOExVH/8S1\n2AW/nBNT7g==", LAST); web_custom_request("findProdectList", "URL=http://app.yunzhidata.com/product/findProdectList", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t5.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjr/XdmXLzFJ6ZDKtOExVH/8S1\n2AW/nBNT7g==", LAST); web_custom_request("findWineMsgList_2", "URL=http://app.yunzhidata.com/trade/findWineMsgList", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t6.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjr5eW6lWns1H3gCK20/fWhWqE\nMPNFHzs2i0m+sJPAY8ulyGi8xpr3nEgmf0FIGsNe4Z3VxVL0jNP4", LAST); web_custom_request("queryNewsTypeList", "URL=http://app.yunzhidata.com/news/queryNewsTypeList", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t7.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjrwXo2DC2M/Sm", LAST); web_custom_request("index", "URL=http://app.yunzhidata.com/news/index", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t8.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjrwXo2DC2M/Sm", LAST); web_custom_request("findOrdinaryList", "URL=http://app.yunzhidata.com/news/findOrdinaryList", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t9.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjrzj0wz04cddgGLWPEPtk3Oni\n1BapBTiIRVbExyUhezesFWWUjElFOP2vt7OtCfrdD9BX7If4s66e", LAST); return 0;

loadrunner简单登录压力测试

要10000+用户登录压力测试,有做过性能的吗?求大神支招,有部分包的错实在解决不了!

使用loadrunner11录制的app代码,但是用户名和密码经过加密 怎样还原 进行参数化,

Action() { web_custom_request("login", "URL=http://app.yunzhidata.com/member/login", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t1.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=eiMU1CCDzKu8JB33HGkh2EZENL9qQ4YVX6VJUOap1tYkQZMHOz4dHQ==", LAST); web_custom_request("myCenter", "URL=http://app.yunzhidata.com/center/myCenter", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t2.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjrwXo2DC2M/Sm", LAST); web_url("websocket", "URL=http://app.yunzhidata.com/websocket", "Resource=0", "Referer=", "Mode=HTML", LAST); web_custom_request("findWineMsgList", "URL=http://app.yunzhidata.com/trade/findWineMsgList", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t3.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjr5eW6lWns1H3gCK20/fWhWqE\nMPNFHzs2i0m+sJPAY8ulyGi8xpr3nEgmf0FIGsNe4Z3VxVL0jNP4", LAST); web_custom_request("market", "URL=http://app.yunzhidata.com/trade/market", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t4.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjr/XdmXLzFJ6ZDKtOExVH/8S1\n2AW/nBNT7g==", LAST); web_custom_request("findProdectList", "URL=http://app.yunzhidata.com/product/findProdectList", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t5.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjr/XdmXLzFJ6ZDKtOExVH/8S1\n2AW/nBNT7g==", LAST); web_custom_request("findWineMsgList_2", "URL=http://app.yunzhidata.com/trade/findWineMsgList", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t6.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjr5eW6lWns1H3gCK20/fWhWqE\nMPNFHzs2i0m+sJPAY8ulyGi8xpr3nEgmf0FIGsNe4Z3VxVL0jNP4", LAST); web_custom_request("queryNewsTypeList", "URL=http://app.yunzhidata.com/news/queryNewsTypeList", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t7.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjrwXo2DC2M/Sm", LAST); web_custom_request("index", "URL=http://app.yunzhidata.com/news/index", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t8.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjrwXo2DC2M/Sm", LAST); web_custom_request("findOrdinaryList", "URL=http://app.yunzhidata.com/news/findOrdinaryList", "Method=POST", "Resource=0", "RecContentType=application/json", "Referer=", "Snapshot=t9.inf", "Mode=HTML", "EncType=text/plain; charset=utf-8", "Body=j3ZLswwJ18EZFdydLSLJC5iutDBUr53hgcU9UWN4dPxpEdDEvWpjrzj0wz04cddgGLWPEPtk3Oni\n1BapBTiIRVbExyUhezesFWWUjElFOP2vt7OtCfrdD9BX7If4s66e", LAST); return 0; }

SSH框架,压力测试一个接口,响应时间不断提高,最后TPS为0,后台直接挂了

# 跪求大神救命~ ## 最开始tomcat有报这样的错: 2015: Servlet.service() for servlet default threw exceptionalve invoke java.lang.OutOfMemoryError at java.util.zip.ZipFile.open(Native Method) at java.util.zip.ZipFile.<init>(ZipFile.java:127) at java.util.jar.JarFile.<init>(JarFile.java:135) at java.util.jar.JarFile.<init>(JarFile.java:99) at org.apache.catalina.loader.WebappClassLoader.openJARs(WebappClassLoader.java:2718) at org.apache.catalina.loader.WebappClassLoader.findResourceInternal(WebappClassLoader.java:2958) at org.apache.catalina.loader.WebappClassLoader.findClassInternal(WebappClassLoader.java:2753) at org.apache.catalina.loader.WebappClassLoader.findClass(WebappClassLoader.java:1159) at org.apache.catalina.loader.WebappClassLoader.loadClass(WebappClassLoader.java:1647) at org.apache.catalina.loader.WebappClassLoader.loadClass(WebappClassLoader.java:1526) at org.apache.struts2.dispatcher.Dispatcher.sendError(Dispatcher.java:857) at org.apache.struts2.dispatcher.Dispatcher.serviceAction(Dispatcher.java:574) at org.apache.struts2.dispatcher.ng.ExecuteOperations.executeAction(ExecuteOperations.java:77) at org.apache.struts2.dispatcher.ng.filter.StrutsPrepareAndExecuteFilter.doFilter(StrutsPrepareAndExecuteFilter.java:99) at org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:235) at org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:206) at org.apache.catalina.core.StandardWrapperValve.invoke(StandardWrapperValve.java:233) at org.apache.catalina.core.StandardContextValve.invoke(StandardContextValve.java:191) at org.apache.catalina.core.StandardHostValve.invoke(StandardHostValve.java:127) at org.apache.catalina.valves.ErrorReportValve.invoke(ErrorReportValve.java:102) at org.apache.catalina.core.StandardEngineValve.invoke(StandardEngineValve.java:109) at org.apache.catalina.connector.CoyoteAdapter.service(CoyoteAdapter.java:298) at org.apache.coyote.http11.Http11NioProcessor.process(Http11NioProcessor.java:889) at org.apache.coyote.http11.Http11NioProtocol$Http11ConnectionHandler.process(Http11NioProtocol.java:732) at org.apache.tomcat.util.net.NioEndpoint$SocketProcessor.run(NioEndpoint.java:2262) at java.util.concurrent.ThreadPoolExecutor$Worker.runTask(ThreadPoolExecutor.java:886) at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:908) at java.lang.Thread.run(Thread.java:662) **我是修改了自定义的filter,并且重写了Action,发现这个错没了,但是情况还是一样,响应时间越来越长,TPS越来越少** ## 挂掉之后访问接口: HTTP Status 500 -type Exception report message description The server encountered an internal error () that prevented it from fulfilling this request. exception java.lang.NullPointerException org.apache.catalina.loader.WebappClassLoader.findResourceInternal(WebappClassLoader.java:2963) org.apache.catalina.loader.WebappClassLoader.findClassInternal(WebappClassLoader.java:2753) org.apache.catalina.loader.WebappClassLoader.findClass(WebappClassLoader.java:1159) org.apache.catalina.loader.WebappClassLoader.loadClass(WebappClassLoader.java:1647) org.apache.catalina.loader.WebappClassLoader.loadClass(WebappClassLoader.java:1526) org.apache.struts2.dispatcher.Dispatcher.sendError(Dispatcher.java:857) org.apache.struts2.dispatcher.Dispatcher.serviceAction(Dispatcher.java:571) org.apache.struts2.dispatcher.ng.ExecuteOperations.executeAction(ExecuteOperations.java:77) org.apache.struts2.dispatcher.ng.filter.StrutsPrepareAndExecuteFilter.doFilter(StrutsPrepareAndExecuteFilter.java:99) note The full stack trace of the root cause is available in the Apache Tomcat/6.0.32 logs. ## tomcat报错: 严重: Servlet.service() for servlet default threw exception java.lang.OutOfMemoryError: GC overhead limit exceeded at ognl.OgnlContext.<init>(OgnlContext.java:107) at ognl.Ognl.createDefaultContext(Ognl.java:211) at com.opensymphony.xwork2.ognl.OgnlValueStack.setRoot(OgnlValueStack.java:88) at com.opensymphony.xwork2.ognl.OgnlValueStack.<init>(OgnlValueStack.java:71) at com.opensymphony.xwork2.ognl.OgnlValueStackFactory.createValueStack(OgnlValueStackFactory.java:62) at org.apache.struts2.dispatcher.ng.PrepareOperations.createActionContext(PrepareOperations.java:77) at org.apache.struts2.dispatcher.ng.filter.StrutsPrepareAndExecuteFilter.doFilter(StrutsPrepareAndExecuteFilter.java:89) at org.apache.catalina.core.ApplicationFilterChain.internalDoFilter(ApplicationFilterChain.java:235) at org.apache.catalina.core.ApplicationFilterChain.doFilter(ApplicationFilterChain.java:206) at org.apache.catalina.core.StandardWrapperValve.invoke(StandardWrapperValve.java:233) at org.apache.catalina.core.StandardContextValve.invoke(StandardContextValve.java:191) at org.apache.catalina.core.StandardHostValve.invoke(StandardHostValve.java:127) at org.apache.catalina.valves.ErrorReportValve.invoke(ErrorReportValve.java:102) at org.apache.catalina.core.StandardEngineValve.invoke(StandardEngineValve.java:109) at org.apache.catalina.connector.CoyoteAdapter.service(CoyoteAdapter.java:298) at org.apache.coyote.http11.Http11NioProcessor.process(Http11NioProcessor.java:889) at org.apache.coyote.http11.Http11NioProtocol$Http11ConnectionHandler.process(Http11NioProtocol.java:732) at org.apache.tomcat.util.net.NioEndpoint$SocketProcessor.run(NioEndpoint.java:2262) at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1145) at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:615) at java.lang.Thread.run(Thread.java:745)

LR12打不开VS上用C#写的脚本

![图片说明](https://img-ask.csdn.net/upload/201603/08/1457407000_558235.png) 做了个C/S的性能测试,但是用LR12打开脚本的时候,报这个错误,用LR11打开却可以,请问各位大神,这个肿么破?

致命错误:在DigitalOcean中使用时,CodeIgniter中找不到类'AppioLab \ LRPC \ Lrpc'

<div class="post-text" itemprop="text"> <p>I am using Composer with CodeIgniter in my vagrant. My development environment is CentOS 6.5, PHP 5.6. I've loaded my other package from github through <code>composer.json</code> and in my development environment everything working fine. When I loaded the full folder in my DigitalOcean VPS and try to run the application, <br>I got this <strong>Fatel error</strong>. </p> <p><code>Fatal error: Class 'AppioLab\LRPC\Lrpc' not found in /var/www/html/personal/demo/lstoxero/public_html/application/controllers/mytest.php on line 43</code></p> <p>Line 43 is where I am trying to create an instance of Class I've loaded through composer and autoload.php</p> <p>This is my folder structure<br><img src="https://i.stack.imgur.com/nk8R8.png" alt="enter image description here"></p> <p>This is my Test Controller<br></p> <pre><code>&lt;?php if ( ! defined('BASEPATH')) exit('No direct script access allowed'); use AppioLab\LRPC\Lrpc; error_reporting(E_ALL); ini_set('display_errors', 1); class MyTest extends CI_Controller { public function test(){ echo "Cron Test&lt;br&gt;"; $lrpc = new Lrpc(); // this is line 43 in my code. echo "lrpc loadedt&lt;br&gt;"; } } </code></pre> <p>When I try to access this test function with url <code>http://mydemosite.com/MyTest/test</code> i get the error I mention above. What I am doing wrong and why its running in vagrant but not in live which is also CentOS 6.5? </p> <p>Your answer may help me solve it quickly. Thanks in Advance.</p> </div>

用loadRunner11怎样测登录时包含验证码的网站

用loadRunner11怎样测登录时包含验证码的网站 1、如果有解决方法请讲的清楚一点 , 验证码线上环境 无法 被屏蔽 2、网上找了一下,有一个方法是:添加一个页面将验证码的输出到页面,然后用loadrunner获取到 ,不过不知如何用

LR 录制cas sso 单击登录

![图片说明](https://img-ask.csdn.net/upload/201707/12/1499856154_714580.png)] 登录脚本时,接口的变化如附图所示。 LR录制的脚本如下 web_submit_data("login;{myCookies}-n1", "Action=http://rzcloud.shhyit.com:8190/cas/login;jsessionid={myCookies}-n1?service=http://hycloud.shhyit.com:8195/portal_main/toPortalPage", "Method=POST", "RecContentType=text/html", "Referer=http://rzcloud.shhyit.com:8190/cas/login?service=http://hycloud.shhyit.com:8195/portal_main/toPortalPage", "Snapshot=t13.inf", "Mode=HTTP", ITEMDATA, "Name=username", "Value=jiu23", ENDITEM, "Name=password", "Value=111111", ENDITEM, "Name=authCode", "Value=", ENDITEM, "Name=lt", "Value={ITURL}", ENDITEM, "Name=execution", "Value=e1s1", ENDITEM, "Name=_eventId", "Value=submit", ENDITEM, "Name=isQrSubmit", "Value=false", ENDITEM, // "Name=qrValue", "Value=3005957d5f8b4f1fa2f9860af015c9db", ENDITEM, LAST); 增加了重定向内容 web_set_option("MaxRedirectionDepth", "0", LAST ); web_url("getLocation1", "URL=http://hycloud.shhyit.com:8195/portal_main/toPortalPage?ticket={ITURL}", //此处URL已做参数化 "TargetFrame=", "Resource=0", "Referer=http://rzcloud.shhyit.com:8190/cas/login?service=http://hycloud.shhyit.com:8195/portal_main/toPortalPage", LAST); 但是报错: Error -26628: HTTP Status-Code=403 (Forbidden) for "http://hycloud.shhyit.com:8195/portal_main/toPortalPage?ticket=LT-624-7qFRVBPxFVS1hvVajGrfNxyNhrxiEr-http://10.103.100.41:8091/cas" ![图片说明](https://img-ask.csdn.net/upload/201707/12/1499856180_121538.png)

使用jmeter或者loadrunner对腾讯视频网站进行并发登陆测试

希望能有人帮我用软件测试一下 多人(比如50)对腾讯视频的登陆操作进行并发登陆测试,然后截一下测试完成的图片 如事务响应时间,事务数/秒 nas服务器曲线

arm 汇编胡问题,,ldr pc,lr

arm 汇编胡问题 我想问您一下arm 汇编胡问题,如下。 .globl _start: bl _test _end: b _end _test: mov pc,lr @ 编译通过; @ldr pc,lr @不能编译通过 问题: 1。 ldr pc,lr @不能编译通过 这是为什么? 2。 如下 bic r0,r0,#0x00ff bic r0,r0,#0xff00 没有问题,但 bic r0,r0,#0xffff 就不行,是不是,1,2,都是一种错误呢? 谢谢。。。 本人新手,请多关照!

loadrunner 录制不了登录成功后界面

我再测试查询接口。但是接口返回值老是提示{"msg":"登录过期或无效的认证","code":1001,"data":null} 看来登录的cook已经失效。如何解决这种问题。

性能测试loadrunner单用户并发和多用户并发有什么区别?

# 最近在初学loadrunner,但是不明白单用户和多用户的并发区别 vuser_init() {用户登录 } action() {用户操作 } vuser_end() {退出 } ///////////////////////////// vuser_init() {} action() { 用户登录(用户信息参数化,select next row:unique;update value on:each occurrence;out of value时:abort vuser,每个vuser分配一个values) 用户操作 退出 } vuser_end() {} 、、、、、、、、、、、、、、、、、、 22个vuser,action部分执行一次,这两种有什么区别?

lr可以用原始特征训练吗?

实习生一枚,刚接手的GBDT+LR的项目,发现lr训练的时候直接用原始特征。连续特征没有离散化,类别也没有做 onehot处理,比如用数值x代表星期几,星期几本身是没有大小的意义。这样训练的结果没有问题吗,求各位高手指点

lr录制脚本时能打开网页但是就是没有事件

lr录制脚本时能打开网页但是就是没有事件,要不就是不能打开网页,要不就是没有事件

测试LoadRunner11 自带程序WebTours性能,分析Windows资源的疑问。

测试LoadRunner11 自带程序WebTours性能。 脚本功能:注册、登录、订票、查票、退出 控制台场景:200Vuser;15s进入5个Vuser;场景运行30min;15s退出5个Vuser 其他信息:webTours程序的服务器就在本机,电脑本机即是客户端,也是服务器;大部分电脑资源应该是以服务器身份占用了。 运行后,部分Windows资源与Vuser数量重叠图如下: ![图片说明](https://img-ask.csdn.net/upload/201709/25/1506325268_118128.png) 当Vuser增加到200数量时,CPU已经达到90%;其他资源还比较充足 **疑问:为什么运行到15分钟时,【硬盘队列长度】【页交换率】【硬盘使用率】突然急剧上涨?一般常见是什么情况下会出现这种现象?**

loadrunner 压测是单交易负载测试时报19890错 Error memory violation:Exception ACCESS_VIOLATION received

loadrunner 压测是单交易负载测试时报19890错 Error memory violation:Exception ACCESS_VIOLATION received 实际报错的点是244行 对于脚本中 是一个请求 事物 t11 web_url(XXX.jsp,url=XXX,resource=0,recContentType=text/html, referer=,Snapshot=t66.inf,Mode=HTML,EXTRARES,url=XX,ENDITEM,url=XX,ENDITEM,url=XX,ENDITEM,LAST); ![图片说明](https://img-ask.csdn.net/upload/201912/04/1575442376_335948.jpg) ![图片说明](https://img-ask.csdn.net/upload/201912/04/1575442458_376170.jpg) 并且重复跑会重现,而且现象只有几个会这样,而且在执行10几分钟是就出现,压测脚本比较简单。7982个通过的,20个停止,我的并发用户数就是20.并且在前面做基准测试的时候不会发生该情况,请问大神们我怎么办

Tensorflow用自己的图片做数据集做识别,无法feed数据,跪求大神帮助!

使用tensorflow识别我自己的tfrecord文件时,在训练时无法feed数据,错误是placeholder那里,下面给出错误和我的代码,跪求大神帮助!!! 错误: ``` Traceback (most recent call last): File "/Users/hanjiarong/PycharmProjects/sample5/main.py", line 206, in <module> session.run(opti, feed_dict={x: session.run(batch_image), y: session.run(batch_label), keep_drop: dropout}) File "/anaconda3/envs/tensorflow/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 905, in run run_metadata_ptr) File "/anaconda3/envs/tensorflow/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 1113, in _run str(subfeed_t.get_shape()))) ValueError: Cannot feed value of shape (1, 227, 227, 3) for Tensor 'Placeholder:0', which has shape '(154587, ?)' ``` 下面是我的代码: ``` import tensorflow as tf from encode_to_tfrecords import create_record, create_test_record, read_and_decode, get_batch, get_test_batch n_input = 154587 n_classes = 3 dropout = 0.5 x = tf.placeholder(tf.float32, [None, n_input]) y = tf.placeholder(tf.int32, [None, n_classes]) keep_drop = tf.placeholder(tf.float32) class network(object): def inference(self, images,keep_drop): #################################################################################################################### # 向量转为矩阵 # images = tf.reshape(images, shape=[-1, 39,39, 3]) images = tf.reshape(images, shape=[-1, 227, 227, 3]) # [batch, in_height, in_width, in_channels] images = (tf.cast(images, tf.float32) / 255. - 0.5) * 2 # 归一化处理 #################################################################################################################### # 第一层 定义卷积偏置和下采样 conv1 = tf.nn.bias_add(tf.nn.conv2d(images, self.weights['conv1'], strides=[1, 4, 4, 1], padding='VALID'), self.biases['conv1']) relu1 = tf.nn.relu(conv1) pool1 = tf.nn.max_pool(relu1, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1], padding='VALID') # 第二层 conv2 = tf.nn.bias_add(tf.nn.conv2d(pool1, self.weights['conv2'], strides=[1, 1, 1, 1], padding='SAME'), self.biases['conv2']) relu2 = tf.nn.relu(conv2) pool2 = tf.nn.max_pool(relu2, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1], padding='VALID') # 第三层 conv3 = tf.nn.bias_add(tf.nn.conv2d(pool2, self.weights['conv3'], strides=[1, 1, 1, 1], padding='SAME'), self.biases['conv3']) relu3 = tf.nn.relu(conv3) # pool3=tf.nn.max_pool(relu3, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='VALID') conv4 = tf.nn.bias_add(tf.nn.conv2d(relu3, self.weights['conv4'], strides=[1, 1, 1, 1], padding='SAME'), self.biases['conv4']) relu4 = tf.nn.relu(conv4) conv5 = tf.nn.bias_add(tf.nn.conv2d(relu4, self.weights['conv5'], strides=[1, 1, 1, 1], padding='SAME'), self.biases['conv5']) relu5 = tf.nn.relu(conv5) pool5 = tf.nn.max_pool(relu5, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1], padding='VALID') # 全连接层1,先把特征图转为向量 flatten = tf.reshape(pool5, [-1, self.weights['fc1'].get_shape().as_list()[0]]) # dropout比率选用0.5 drop1 = tf.nn.dropout(flatten, keep_drop) fc1 = tf.matmul(drop1, self.weights['fc1']) + self.biases['fc1'] fc_relu1 = tf.nn.relu(fc1) fc2 = tf.matmul(fc_relu1, self.weights['fc2']) + self.biases['fc2'] fc_relu2 = tf.nn.relu(fc2) fc3 = tf.matmul(fc_relu2, self.weights['fc3']) + self.biases['fc3'] return fc3 def __init__(self): # 初始化权值和偏置 with tf.variable_scope("weights"): self.weights = { # 39*39*3->36*36*20->18*18*20 'conv1': tf.get_variable('conv1', [11, 11, 3, 96], initializer=tf.contrib.layers.xavier_initializer_conv2d()), # 18*18*20->16*16*40->8*8*40 'conv2': tf.get_variable('conv2', [5, 5, 96, 256], initializer=tf.contrib.layers.xavier_initializer_conv2d()), # 8*8*40->6*6*60->3*3*60 'conv3': tf.get_variable('conv3', [3, 3, 256, 384], initializer=tf.contrib.layers.xavier_initializer_conv2d()), # 3*3*60->120 'conv4': tf.get_variable('conv4', [3, 3, 384, 384], initializer=tf.contrib.layers.xavier_initializer_conv2d()), 'conv5': tf.get_variable('conv5', [3, 3, 384, 256], initializer=tf.contrib.layers.xavier_initializer_conv2d()), 'fc1': tf.get_variable('fc1', [6 * 6 * 256, 4096], initializer=tf.contrib.layers.xavier_initializer()), 'fc2': tf.get_variable('fc2', [4096, 4096], initializer=tf.contrib.layers.xavier_initializer()), 'fc3': tf.get_variable('fc3', [4096, 1000], initializer=tf.contrib.layers.xavier_initializer()), } with tf.variable_scope("biases"): self.biases = { 'conv1': tf.get_variable('conv1', [96, ], initializer=tf.constant_initializer(value=0.1, dtype=tf.float32)), 'conv2': tf.get_variable('conv2', [256, ], initializer=tf.constant_initializer(value=0.1, dtype=tf.float32)), 'conv3': tf.get_variable('conv3', [384, ], initializer=tf.constant_initializer(value=0.1, dtype=tf.float32)), 'conv4': tf.get_variable('conv4', [384, ], initializer=tf.constant_initializer(value=0.1, dtype=tf.float32)), 'conv5': tf.get_variable('conv5', [256, ], initializer=tf.constant_initializer(value=0.1, dtype=tf.float32)), 'fc1': tf.get_variable('fc1', [4096, ], initializer=tf.constant_initializer(value=0.1, dtype=tf.float32)), 'fc2': tf.get_variable('fc2', [4096, ], initializer=tf.constant_initializer(value=0.1, dtype=tf.float32)), 'fc3': tf.get_variable('fc3', [1000, ], initializer=tf.constant_initializer(value=0.1, dtype=tf.float32)) } # 计算softmax交叉熵损失函数 def sorfmax_loss(self, predicts, labels): predicts = tf.nn.softmax(predicts) labels = tf.one_hot(labels, self.weights['fc3'].get_shape().as_list()[1]) loss = tf.nn.softmax_cross_entropy_with_logits(logits=predicts, labels=labels) # loss =-tf.reduce_mean(labels * tf.log(predicts))# tf.nn.softmax_cross_entropy_with_logits(predicts, labels) self.cost = loss return self.cost # 梯度下降 def optimer(self, loss, lr=0.01): train_optimizer = tf.train.GradientDescentOptimizer(lr).minimize(loss) return train_optimizer #定义训练 # def train(self): create_record('/Users/hanjiarong/Documents/testdata/tfrtrain') # image, label = read_and_decode('train.tfrecords') # batch_image, batch_label = get_batch(image, label, 30) #连接网络 网络训练 net = network() inf = net.inference(x, dropout) loss = net.sorfmax_loss(inf,y) opti = net.optimer(loss) correct_pred = tf.equal(tf.argmax(inf, 1), tf.argmax(y, 1)) accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32)) # #定义测试 create_test_record('/Users/hanjiarong/Documents/testdata/tfrtest') # image_t, label_t = read_and_decode('test.tfrecords') # batch_test_image, batch_test_label = get_test_batch(image_t, label_t, 50) # # #生成测试 image, label = read_and_decode('train.tfrecords') batch_image, batch_label = get_batch(image, label, 1) # val, l = session.run([batch_image, batch_label]) # print(val.shape, l) with tf.Session() as session: init = tf.initialize_all_variables() session.run(init) coord = tf.train.Coordinator() threads = tf.train.start_queue_runners(coord=coord) max_iter = 100000 iter = 1 print("begin1") while iter * 30 < max_iter: # loss_np, _, label_np, image_np, inf_np = session.run([loss, opti, batch_label, batch_image, inf]) session.run(opti, feed_dict={x: session.run(batch_image), y: session.run(batch_label), keep_drop: dropout}) print("begin6") if iter % 10 == 0: loss, acc = session.run([loss, accuracy], feed_dict={x: batch_image, y: batch_label, keep_drop: 1.}) print("Iter " + str(iter * 30) + ", Minibatch Loss= " + \ "{:.6f}".format(loss) + ", Training Accuracy= " + "{:.5f}".format(acc)) iter += 1 print("Optimization Finished!") image, label = read_and_decode('test.tfrecords') batch_test_image, batch_test_label = get_batch(image, label, 2) img_test, lab_test = session.run([batch_test_image, batch_test_label]) test_accuracy = session.run(accuracy, feed_dict={x: img_test, y: lab_test, keep_drop: 1.}) print("Testing Accuracy:", test_accuracy) ```

C/C++学习指南全套教程

C/C++学习的全套教程,从基本语法,基本原理,到界面开发、网络开发、Linux开发、安全算法,应用尽用。由毕业于清华大学的业内人士执课,为C/C++编程爱好者的教程。

定量遥感中文版 梁顺林著 范闻捷译

这是梁顺林的定量遥感的中文版,由范闻捷等翻译的,是电子版PDF,解决了大家看英文费时费事的问题,希望大家下载看看,一定会有帮助的

YOLOv3目标检测实战:训练自己的数据集

YOLOv3是一种基于深度学习的端到端实时目标检测方法,以速度快见长。本课程将手把手地教大家使用labelImg标注和使用YOLOv3训练自己的数据集。课程分为三个小项目:足球目标检测(单目标检测)、梅西目标检测(单目标检测)、足球和梅西同时目标检测(两目标检测)。 本课程的YOLOv3使用Darknet,在Ubuntu系统上做项目演示。包括:安装Darknet、给自己的数据集打标签、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。 Darknet是使用C语言实现的轻型开源深度学习框架,依赖少,可移植性好,值得深入探究。 除本课程《YOLOv3目标检测实战:训练自己的数据集》外,本人推出了有关YOLOv3目标检测的系列课程,请持续关注该系列的其它课程视频,包括: 《YOLOv3目标检测实战:交通标志识别》 《YOLOv3目标检测:原理与源码解析》 《YOLOv3目标检测:网络模型改进方法》 敬请关注并选择学习!

sql语句 异常 Err] 1064 - You have an error in your SQL syntax; check the manual that corresponds to your

在我们开发的工程中,有时候会报 [Err] 1064 - You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for the right syntax to use near ------ 这种异常 不用多想,肯定是我们的sql语句出现问题,下面...

浪潮集团 往年的软件类 笔试题 比较详细的哦

浪潮集团 往年的软件类 笔试题 比较详细的哦

2019 AI开发者大会

2019 AI开发者大会(AI ProCon 2019)是由中国IT社区CSDN主办的AI技术与产业年度盛会。多年经验淬炼,如今蓄势待发:2019年9月6-7日,大会将有近百位中美顶尖AI专家、知名企业代表以及千余名AI开发者齐聚北京,进行技术解读和产业论证。我们不空谈口号,只谈技术,诚挚邀请AI业内人士一起共铸人工智能新篇章!

I2c串口通信实现加速度传感器和FPGA的交流

此代码能实现加速度传感器与FPGA之间的交流,从而测出运动物体的加速度。

Python可以这样学(第一季:Python内功修炼)

董付国系列教材《Python程序设计基础》、《Python程序设计(第2版)》、《Python可以这样学》配套视频,讲解Python 3.5.x和3.6.x语法、内置对象用法、选择与循环以及函数设计与使用、lambda表达式用法、字符串与正则表达式应用、面向对象编程、文本文件与二进制文件操作、目录操作与系统运维、异常处理结构。

微信公众平台开发入门

本套课程的设计完全是为初学者量身打造,课程内容由浅入深,课程讲解通俗易懂,代码实现简洁清晰。通过本课程的学习,学员能够入门微信公众平台开发,能够胜任企业级的订阅号、服务号、企业号的应用开发工作。 通过本课程的学习,学员能够对微信公众平台有一个清晰的、系统性的认识。例如,公众号是什么,它有什么特点,它能做什么,怎么开发公众号。 其次,通过本课程的学习,学员能够掌握微信公众平台开发的方法、技术和应用实现。例如,开发者文档怎么看,开发环境怎么搭建,基本的消息交互如何实现,常用的方法技巧有哪些,真实应用怎么开发。

机器学习初学者必会的案例精讲

通过六个实际的编码项目,带领同学入门人工智能。这些项目涉及机器学习(回归,分类,聚类),深度学习(神经网络),底层数学算法,Weka数据挖掘,利用Git开源项目实战等。

eclipseme 1.7.9

eclipse 出了新的eclipseme插件,官方有下载,但特慢,我都下了大半天(可能自己网速差)。有急需要的朋友可以下哦。。。

Spring Boot -01- 快速入门篇(图文教程)

Spring Boot -01- 快速入门篇 今天开始不断整理 Spring Boot 2.0 版本学习笔记,大家可以在博客看到我的笔记,然后大家想看视频课程也可以到【慕课网】手机 app,去找【Spring Boot 2.0 深度实践】的课程,令人开心的是,课程完全免费! 什么是 Spring Boot? Spring Boot 是由 Pivotal 团队提供的全新框架。Spring Boot...

HoloLens2开发入门教程

本课程为HoloLens2开发入门教程,讲解部署开发环境,安装VS2019,Unity版本,Windows SDK,创建Unity项目,讲解如何使用MRTK,编辑器模拟手势交互,打包VS工程并编译部署应用到HoloLens上等。

最简单的倍频verilog程序(Quartus II)

一个工程文件 几段简单的代码 一个输入一个输出(50Mhz倍频到100Mhz)

计算机组成原理实验教程

西北工业大学计算机组成原理实验课唐都仪器实验帮助,同实验指导书。分为运算器,存储器,控制器,模型计算机,输入输出系统5个章节

4小时玩转微信小程序——基础入门与微信支付实战

这是一个门针对零基础学员学习微信小程序开发的视频教学课程。课程采用腾讯官方文档作为教程的唯一技术资料来源。杜绝网络上质量良莠不齐的资料给学员学习带来的障碍。 视频课程按照开发工具的下载、安装、使用、程序结构、视图层、逻辑层、微信小程序等几个部分组织课程,详细讲解整个小程序的开发过程

面试了一个 31 岁程序员,让我有所触动,30岁以上的程序员该何去何从?

最近面试了一个31岁8年经验的程序猿,让我有点感慨,大龄程序猿该何去何从。

基于RSA通信密钥分发的加密通信

基于RSA通信密钥分发的加密通信,采用pycrypto中的RSA、AES模块实现

不同变质程度煤尘爆炸残留气体特征研究

为分析不同变质程度煤尘爆炸残留气体成分的特征规律,利用水平管道煤尘爆炸实验装置进行了贫瘦煤、肥煤、气煤、长焰煤4种不同变质程度的煤尘爆炸实验,研究了不同变质程度煤尘爆炸后气体残留物含量的差异,并对气体

设计模式(JAVA语言实现)--20种设计模式附带源码

课程亮点: 课程培训详细的笔记以及实例代码,让学员开始掌握设计模式知识点 课程内容: 工厂模式、桥接模式、组合模式、装饰器模式、外观模式、享元模式、原型模型、代理模式、单例模式、适配器模式 策略模式、模板方法模式、观察者模式、迭代器模式、责任链模式、命令模式、备忘录模式、状态模式、访问者模式 课程特色: 笔记设计模式,用笔记串连所有知识点,让学员从一点一滴积累,学习过程无压力 笔记标题采用关键字标识法,帮助学员更加容易记住知识点 笔记以超链接形式让知识点关联起来,形式知识体系 采用先概念后实例再应用方式,知识点深入浅出 提供授课内容笔记作为课后复习以及工作备查工具 部分图表(电脑PC端查看):

MySQL数据库面试题(2020最新版)

文章目录数据库基础知识为什么要使用数据库什么是SQL?什么是MySQL?数据库三大范式是什么mysql有关权限的表都有哪几个MySQL的binlog有有几种录入格式?分别有什么区别?数据类型mysql有哪些数据类型引擎MySQL存储引擎MyISAM与InnoDB区别MyISAM索引与InnoDB索引的区别?InnoDB引擎的4大特性存储引擎选择索引什么是索引?索引有哪些优缺点?索引使用场景(重点)...

软件测试2小时入门

本课程内容系统、全面、简洁、通俗易懂,通过2个多小时的介绍,让大家对软件测试有个系统的理解和认识,具备基本的软件测试理论基础。 主要内容分为5个部分: 1 软件测试概述,了解测试是什么、测试的对象、原则、流程、方法、模型;&nbsp; 2.常用的黑盒测试用例设计方法及示例演示;&nbsp; 3 常用白盒测试用例设计方法及示例演示;&nbsp; 4.自动化测试优缺点、使用范围及示例‘;&nbsp; 5.测试经验谈。

几率大的Redis面试题(含答案)

本文的面试题如下: Redis 持久化机制 缓存雪崩、缓存穿透、缓存预热、缓存更新、缓存降级等问题 热点数据和冷数据是什么 Memcache与Redis的区别都有哪些? 单线程的redis为什么这么快 redis的数据类型,以及每种数据类型的使用场景,Redis 内部结构 redis的过期策略以及内存淘汰机制【~】 Redis 为什么是单线程的,优点 如何解决redis的并发竞争key问题 Red...

手把手实现Java图书管理系统(附源码)

【超实用课程内容】 本课程演示的是一套基于Java的SSM框架实现的图书管理系统,主要针对计算机相关专业的正在做毕设的学生与需要项目实战练习的java人群。详细介绍了图书管理系统的实现,包括:环境搭建、系统业务、技术实现、项目运行、功能演示、系统扩展等,以通俗易懂的方式,手把手的带你从零开始运行本套图书管理系统,该项目附带全部源码可作为毕设使用。 【课程如何观看?】 PC端:https://edu.csdn.net/course/detail/27513 移动端:CSDN 学院APP(注意不是CSDN APP哦) 本课程为录播课,课程2年有效观看时长,大家可以抓紧时间学习后一起讨论哦~ 【学员专享增值服务】 源码开放 课件、课程案例代码完全开放给你,你可以根据所学知识,自行修改、优化

jsp+servlet入门项目实例

jsp+servlet实现班级信息管理项目

winfrom中嵌套html,跟html的交互

winfrom中嵌套html,跟html的交互,源码就在里面一看就懂,很简单

Java面试题大全(2020版)

发现网上很多Java面试题都没有答案,所以花了很长时间搜集整理出来了这套Java面试题大全,希望对大家有帮助哈~ 本套Java面试题大全,全的不能再全,哈哈~ 一、Java 基础 1. JDK 和 JRE 有什么区别? JDK:Java Development Kit 的简称,java 开发工具包,提供了 java 的开发环境和运行环境。 JRE:Java Runtime Environ...

python实现数字水印添加与提取及鲁棒性测试(GUI,基于DCT,含测试图片)

由python写的GUI,可以实现数字水印的添加与提取,提取是根据添加系数的相关性,实现了盲提取。含有两种攻击测试方法(高斯低通滤波、高斯白噪声)。基于python2.7,watermark.py为主

Xshell6完美破解版,亲测可用

Xshell6破解版,亲测可用,分享给大家。直接解压即可使用

你连存活到JDK8中著名的Bug都不知道,我怎么敢给你加薪

CopyOnWriteArrayList.java和ArrayList.java,这2个类的构造函数,注释中有一句话 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 public ArrayList(Collection&lt;? ...

程序员的算法通关课:知己知彼(第一季)

【超实用课程内容】 程序员对于算法一直又爱又恨!特别是在求职面试时,算法类问题绝对是不可逃避的提问点!本门课程作为算法面试系列的第一季,会从“知己知彼”的角度,聊聊关于算法面试的那些事~ 【哪些人适合学习这门课程?】 求职中的开发者,对于面试算法阶段缺少经验 想了解实际工作中算法相关知识 在职程序员,算法基础薄弱,急需充电 【超人气讲师】 孙秀洋&nbsp;| 服务器端工程师 硕士毕业于哈工大计算机科学与技术专业,ACM亚洲区赛铜奖获得者,先后在腾讯和百度从事一线技术研发,对算法和后端技术有深刻见解。 【课程如何观看?】 PC端:https://edu.csdn.net/course/detail/27272 移动端:CSDN 学院APP(注意不是CSDN APP哦) 本课程为录播课,课程无限观看时长,但是大家可以抓紧时间学习后一起讨论哦~

相关热词 c# 不能序列化继承类 c# char* 调用 c# 开发dll模板 c#添加控件到工具箱 c#控制台组合数 编程计算猴子吃桃问题c# c# wpf 背景透明 随机抽取号码软件c# c# 开发环境 c# 属性和字段
立即提问