Gatling性能测试报告中NaN与0.00差异问题分析
2025-06-01 08:12:14作者:傅爽业Veleda
问题背景
在Gatling性能测试工具从3.12.0版本升级到3.13.4版本后,用户发现HTML报告中出现了不一致的KO(失败)百分比显示问题。虽然所有请求都执行成功,但报告中部分请求显示KO百分比为"0.00",而另一些则显示为"NaN"。
现象描述
通过对比3.12.0和3.13.4版本的报告截图可以观察到:
- 在3.12.0版本中,请求计数显示为无分隔符的数字格式(如49224)
- 在3.13.4版本中,请求计数添加了千位分隔符(如49,224)
- 当请求全部成功时,KO百分比在部分情况下显示为"NaN"而非预期的"0.00"
问题根源分析
经过技术团队调查,确认这是一个数字格式化处理相关的bug。问题出在报告生成过程中对带有千位分隔符的数字解析逻辑上:
- 新版本(3.13.4)为了提升报告可读性,为大型数字添加了千位分隔符
- 但在计算百分比时,解析器未能正确处理带有分隔符的数字字符串
- 导致在某些情况下,当需要计算0失败率时,解析失败产生"NaN"(Not a Number)结果
技术影响
这个问题虽然不影响实际的测试结果和性能数据收集,但会影响报告的可读性和专业性。对于需要精确分析测试结果的用户,特别是自动化测试报告中,这种显示不一致可能会造成困惑。
解决方案
Gatling开发团队在收到问题报告后迅速响应,并在3.13.5版本中修复了这个问题。修复内容包括:
- 统一数字格式化处理逻辑
- 确保百分比计算能够正确处理带有千位分隔符的数字
- 在所有情况下,0失败率都正确显示为"0.00"而非"NaN"
最佳实践建议
对于遇到此问题的用户,建议:
- 升级到Gatling 3.13.5或更高版本
- 如果因其他依赖关系无法立即升级,可以暂时忽略报告中显示的"NaN"值,因为实际测试数据是正确的
- 在自动化测试流程中,建议添加版本检查,确保使用无此问题的Gatling版本
总结
这个案例展示了开源工具迭代过程中可能出现的小问题,也体现了Gatling团队对问题响应的及时性。作为性能测试工程师,保持测试工具版本更新并关注版本变更日志是非常重要的,这有助于及时发现和解决类似问题,确保测试报告的准确性和专业性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
410
3.16 K
Ascend Extension for PyTorch
Python
227
254
暂无简介
Dart
674
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
659
React Native鸿蒙化仓库
JavaScript
264
326
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868