JMeter Correlation Recorder 2.5: conheça a nova versão do plugin

Saiba como a versão mais recente do plugin JMeter Correlation Recorder pode facilitar a correlação de valores dinâmicos e minimizar erros nos testes de desempenho.

Nayla Lago

Testes de desempenho

Índice

Captura de tela do JMeter Correlation Recorder 2.5: conheça a nova versão do plugin

Diante dos desafios em constante evolução dos testes de desempenho com o JMeter, as equipes buscam soluções continuamente, especialmente para a tarefa complexa de correlacionar valores dinâmicos em fluxos automatizados.

Esse processo crítico, que exige atenção aos detalhes e um investimento significativo de tempo, é fundamental para alcançar resultados precisos nos testes. Os riscos são altos, pois qualquer descuido nas substituições ou parametrizações omitidas pode causar falhas, especialmente em fluxos extensos.

É aí que entra o Correlation Recorder, ou Automatic Correlation Recorder (ACR), como é conhecido.

Com sua atualização mais recente para a versão 2.5, esse plugin do JMeter apresenta um conjunto de recursos voltados a simplificar o processo de correlação por diferentes métodos.

Neste artigo, buscamos esclarecer os benefícios do plugin e seu impacto transformador nas operações diárias. Para aprofundar suas funcionalidades, recomendamos explorar o guia do usuário e o guia de instalação disponíveis no BlazeMeter Labs.

Conheça nossos serviços de testes de desempenho sob medida!

Recursos do Correlation Recorder 2.5

Primeiro, ao começar a usar a ferramenta, o Correlation Recorder oferece um modelo para gravar e correlacionar em qualquer modo. Recomendamos fortemente seu uso, pois contém todos os elementos necessários para um desenvolvimento simples e bem-sucedido.

Visualização do modelo do Correlation Recorder carregado no JMeter

Esse modelo aplica automaticamente filtros gerais para ignorar o tráfego extra das gravações, economizando tempo. Você pode usar esses filtros como estão ou personalizá-los para sua gravação. Também pode adicionar novos filtros.

Atualmente, o Correlation Recorder oferece três modos principais para a vinculação de valores dinâmicos:

Pelo modo Legacy.
Por comparação e detecção automática de variáveis.
Com modelos existentes.

Explorar cada método permite avaliar sua viabilidade nos cenários apresentados e escolher a alternativa mais adequada para cada situação.

Clique aqui para continuar aprendendo com nosso guia sobre testes de desempenho contínuos!

Vinculação de valores dinâmicos

Pelo modo Legacy

A correlação pelo modo Legacy envolve definir um conjunto personalizado de regras com base no conhecimento do fluxo e identificar os valores dinâmicos que precisam de correlação.

Esse modo se assemelha bastante à correlação manual usada por quem automatiza fluxos no JMeter. Envolve identificar as expressões regulares de extração e substituição e gravar novamente para verificar se o processo está correto.

A seguir, compartilhamos uma tabela com exemplos reais de expressões regulares de extração e substituição:

Nº	Expressão regular para extração	Expressão regular para substituição
1	_wpnonce=([a-zA-Z0-9]*)’	_wpnonce=([a-zA-Z0-9]*)
2	name=”execution” value=”(.*?)”	execution=([^&]+)

Na versão mais recente do plugin, o processo de extração e substituição no formato .JSON ficou mais fácil, permitindo uma correlação mais eficiente de valores em dados estruturados.

Embora isso já fosse possível com expressões regulares, agora o uso de extratores JSON-path simplifica a captura direta de informações específicas.

Ao examinar mais de perto a correlação pelo modo Legacy, vemos que ela exige criar expressões regulares de substituição que às vezes podem ser iguais, semelhantes ou diferentes das de extração. Isso implica um investimento inicial de tempo para configurar um conjunto de regras em cenários nos quais elas podem não ser reutilizáveis.

Por exemplo, os seguintes cenários, entre outros, podem ilustrar esse ponto:

Um aplicativo muda com frequência sua estrutura ou a forma como os valores dinâmicos são criados.
Os valores dinâmicos são exclusivos de um cenário de teste específico.
As regras configuradas são altamente personalizadas e específicas para um determinado caso.

Captura de tela da configuração de regras e do modo Legacy habilitado antes de uma segunda gravação para correlacionar um fluxo de exemplo

Nesses cenários, se automatizássemos manualmente o fluxo de trabalho, provavelmente precisaríamos gravar com o JMeter mais de uma vez para explorar em profundidade os detalhes e as nuances do processo. Essa abordagem pode introduzir erros que frequentemente causam muitos inconvenientes, especialmente em fluxos de trabalho extensos.

Pela nossa experiência, mesmo em situações nas quais a automação manual do fluxo de trabalho pareça mais rápida à primeira vista, pode ser vantajoso explorar o plugin e a correlação pelo modo Legacy. Isso reduz a probabilidade de erros e pode ajudar a lidar com alguns cenários complexos.

Além disso, sua capacidade de correlacionar fluxos em que as requisições raramente falham, mas podem falhar ao serem reproduzidas para vários usuários, torna essa opção ainda mais atraente.

Inicialmente, a vinculação de valores dinâmicos pelo modo Legacy era o único modo de operação do plugin. Depois, ele evoluiu e incorporou outros dois modos para reduzir tempo e esforço.

Agora, apresentaremos novas formas de proceder, que precisam de uma única gravação para funcionar. Seu diferencial é oferecer sugestões de correlação quando as requisições falham.

Comparação e detecção automática de variáveis

Para correlacionar por comparação e detecção automática de variáveis, é necessário reproduzir o fluxo gravado inicialmente, identificar as requisições que falham e apresentar sugestões para fazê-las funcionar.

A seguir, compartilhamos uma captura de tela com as sugestões geradas e prontas para aplicar em um fluxo de exemplo:

Após aplicar as sugestões, a correlação acontece automaticamente. O plano de teste pode então ser verificado para confirmar que os valores necessários são extraídos e substituídos, permitindo executar o fluxo sem erros.

Uso de modelos existentes

Usar modelos existentes para correlação significa aplicar conjuntos de regras predefinidos para corrigir requisições que falham com sugestões pertinentes.

Os modelos podem ser salvos localmente, compartilhados pela comunidade ou fornecidos pela BlazeMeter. Os modelos da BlazeMeter seguem boas práticas, e você pode estruturar outros de forma semelhante seguindo as instruções do plugin.

Compartilhamos uma captura de tela dos modelos disponíveis para correlacionar um fluxo de exemplo:

Captura de tela dos modelos para correlacionar um fluxo de exemplo

No início, a BlazeMeter forneceu alguns modelos para determinados tipos de aplicativos, incentivando a comunidade a adicionar os seus e ampliar as opções.

Esses modelos são carregados da nuvem, e sua disponibilidade depende em grande parte do tipo de assinatura da plataforma.

O processo de aplicação é bastante semelhante ao do modo anterior. Depois, basta verificar o funcionamento correto.

Nos modos automáticos, é crucial aplicar somente as sugestões necessárias para que as requisições funcionem, e não todas as que aparecerem. Assim, evitamos adicionar peso desnecessário ao fluxo e consumir memória em excesso.