在進(jìn)行性能測(cè)試時(shí)，我們需要對(duì)測(cè)試結(jié)果進(jìn)行監(jiān)控和分析，以便于及時(shí)發(fā)現(xiàn)問(wèn)題并進(jìn)行優(yōu)化。 Locust在內(nèi)存中維護(hù)了一個(gè)時(shí)間序列數(shù)據(jù)結(jié)構(gòu)，用于存儲(chǔ)每個(gè)事件的統(tǒng)計(jì)信息。 這個(gè)數(shù)據(jù)結(jié)構(gòu)允許我們?cè)贑harts標(biāo)簽頁(yè)中查看不同時(shí)間點(diǎn)的性能指標(biāo)，但是正因?yàn)長(zhǎng)ocust WebUI上展示的數(shù)據(jù)實(shí)際上是存儲(chǔ)在內(nèi)存中的。所以在Locust測(cè)試結(jié)束后，這些數(shù)據(jù)將不再可用。 如果我們需要長(zhǎng)期保存以便后續(xù)分析測(cè)試數(shù)據(jù)，可以考慮將Locust的測(cè)試數(shù)據(jù)上報(bào)到外部的數(shù)據(jù)存儲(chǔ)系統(tǒng)，如InfluxDB，并使用Grafana等可視化工具進(jìn)行展示和分析。

name：標(biāo)簽名搜索 attrs/class_：屬性/類名搜索 recursive：限定直接子節(jié)點(diǎn) string：文檔字符串搜索

前言：Pandas的數(shù)據(jù)操作中，最基本的就是操作的篩選了，但是對(duì)新學(xué)員來(lái)說(shuō)的這又是一個(gè)難點(diǎn)，因?yàn)榉椒ū容^多，不容易記。在此總結(jié)一下pandas中的一些常用的數(shù)據(jù)篩選操作。