当前位置: 首页 > news >正文

JMeter 参数化工作原理说明


一、核心目标:让每条请求都能用不同数据

参数化的本质是让 JMeter 在发送请求时,自动替换变量为不同的值。例如:

  • 模拟 100 个用户登录 → 每个用户使用不同的账号密码。
  • 模拟搜索不同关键词 → 每次请求自动更换关键词。

二、参数化如何工作?(以CSV文件为例)

想象 JMeter 有一个“数据池”,测试时会 按规则从池子里取数据

  1. 准备数据池
    将测试数据存入 CSV 文件(如 users.csv):

    user1,123456
    user2,654321
    
  2. 设置数据读取规则
    添加 CSV Data Set Config 元件,配置:

    • Filenameusers.csv(告诉JMeter数据在哪)
    • Variable Namesusername,password(定义变量名)
    • Recycle on EOF:数据用完是否循环
    • Stop thread on EOF:数据用完是否停止线程
  3. 发送请求时动态替换
    在 HTTP 请求中,用 ${username}${password} 引用变量,
    JMeter 会自动从 CSV 文件中逐行读取数据,替换到请求中。

    {"username": "${username}","password": "${password}"
    }
    
  4. 并发时的数据分配

    • 线程数 = 3:模拟3个用户同时执行
    • 每个线程(用户)独立按顺序 取数据:
      线程1 → 第一行数据(user1,123456)
      线程2 → 第二行数据(user2,654321)
      线程3 → 第三行(如果文件只有两行,根据配置决定是否循环或停止)
      

三、参数化的四大核心机制
1. 变量作用域
  • 线程私有:每个线程(用户)独立拥有变量副本,互不干扰。
    ├── 线程组├── 线程1 → 变量 username=user1├── 线程2 → 变量 username=user2└── 线程3 → 变量 username=user3
    
2. 数据轮询规则
  • JMeter 按行顺序读取数据,默认从第一行开始。
  • 如果线程数 > 数据行数,由 Recycle on EOF 决定是否循环从头开始。
    示例
    CSV 有2行数据,线程数=3:
    • 线程1 → 行1
    • 线程2 → 行2
    • 线程3 → 行1(若 Recycle on EOF=True
3. 动态替换时机
  • 变量替换发生在 请求发送前
    例如:
    • 线程启动 → 读取 CSV 数据 → 发送请求时替换变量 → 发送请求。
    • 每次请求都会使用当前线程的最新变量值
4. 全局共享 vs 线程独立

通过 CSV Data Set Config 的 Sharing Mode 可控制数据共享范围:

  • All threads:所有线程共享同一份数据池(可能导致不同线程取到相同数据)。
  • Current thread group:仅当前线程组的线程共享数据。
  • Current thread:每个线程独立读取文件(适合需要完全隔离的场景)。

四、参数化工作原理图示
1. 线程启动│
2. 读取数据(按规则从CSV/函数/变量中取值)│
3. 将值赋给变量(如 username=user1)│
4. 在HTTP请求中用 ${变量名} 替换实际值│
5. 发送包含动态数据的请求│
6. 下一个请求重复步骤2-5

五、常见困惑解答
1. 为什么我的变量 ${abc} 没有替换成真实值?
  • 可能原因:
    • 变量名拼写错误 → 检查 ${username} 是否与 CSV 中定义的变量名一致。
    • 作用域不正确 → 确保参数配置元件在HTTP请求的上级层级(如线程组下)。
2. 数据被重复使用了怎么办?
  • 现象:明明配置了100行数据,但测试时只有前10行被使用。
  • 解决方法
    • 增大线程数或循环次数 → 确保数据被充分使用。
    • 设置 Recycle on EOF=False → 数据用完后线程不再循环。
3. 为什么多个线程拿到了同一行数据?
  • 原因:设置了 Sharing Mode=All threads → 线程共享数据池。
  • 解决:设置为 Current thread,让每个线程独立读取文件。

六、实战示例:模拟 3 用户登录
  1. CSV 文件 users.csv 内容

    user1,pass1
    user2,pass2
    user3,pass3
    
  2. JMeter 配置

    • 线程数 = 3
    • CSV Data Set Config → Recycle on EOF=False, Stop thread on EOF=True
  3. 执行结果

    • 线程1 → user1,pass1
    • 线程2 → user2,pass2
    • 线程3 → user3,pass3
  4. 如果线程数=4:第四个线程会因为没有数据而停止。


类比:自助餐厅的取餐流程

假设你经营一家自助餐厅,餐厅有 100个餐具托盘(类比JMeter的“线程”用户),需要为每个客人提供 不同菜品组合(类比不同参数化数据)。菜品的分配规则如下:


1. 数据源(类似CSV文件)

你在厨房准备了一张 菜品清单(CSV文件),包含100种不同的菜品组合:

1号托盘: 牛排+沙拉+汤
2号托盘: 鸡排+米饭+果汁
...
100号托盘: 鱼排+意面+咖啡

2. 参数化规则(类似CSV Data Set Config)

你安排一名服务员(JMeter的参数化组件)按照以下规则分发托盘:

  • 顺序分配:1号托盘给第1位客人,2号给第2位,依此类推。
  • 是否循环
    • 清单用完时(EOF处理):如果客人超过100位,服务员可能:
      • 重新从1号开始分发(Recycle on EOF=True)。
      • 停止接待新客人(Stop thread on EOF=True)。
  • 独立性:每个托盘只能给一位客人(线程私有数据)。

3. 客户场景(模拟请求)
  • 每位客人进入餐厅(类似HTTP请求)→ 服务员递上一个独一无二的托盘(动态数据)。
  • 同一个托盘不会重复给不同客人(除非设置了Recycle on EOF=True)。
  • 如果服务员把 牛排+沙拉+汤 同时给了两位客人 → 意味着参数化规则配置错误(如未设置线程隔离)。

4. 参数化故障类比
  • 问题1:客人A拿到了空托盘(变量未替换)→ 清单写错菜品名(变量名错误)。
  • 问题2:客人B和客人C拿到相同菜品(数据重复)→ 服务员误开启循环模式(Recycle配置冲突)。
  • 问题3:第101位客人无菜可领 → 服务员按规则停止接待(线程自动终止)。

通过案例理解参数化关键点

自助餐厅JMeter参数化
菜品清单文件CSV数据文件或动态函数
服务员分发规则CSV Data Set Config配置
每位客人独立拿到菜品每个线程使用独立变量
分发完后的循环/停止策略Recycle on EOF 配置
客人投诉重复菜品参数化数据重复问题

总结

JMeter参数化就像餐厅按清单分配菜品的过程:

  1. 数据提前准备好(菜品清单)。
  2. 按规则动态分发(服务员)。
  3. 保证每个客户独立(线程隔离)。
  4. 处理数据耗尽的情况(循环或停止)。
  • 参数化原理:按规则动态替换请求中的变量为不同数据。
  • 关键要素
    1. 数据来源(CSV、函数、变量等)。
    2. 变量替换规则(顺序、循环、共享模式)。
    3. 作用域管理(确保变量正确生效)。

掌握这些知识后,通过反复练习配置 CSV 文件和观察结果树中的请求数据,即可直观理解参数化的工作机制。

相关文章:

JMeter 参数化工作原理说明

一、核心目标:让每条请求都能用不同数据 参数化的本质是让 JMeter 在发送请求时,自动替换变量为不同的值。例如: 模拟 100 个用户登录 → 每个用户使用不同的账号密码。模拟搜索不同关键词 → 每次请求自动更换关键词。 二、参数化如何工作…...

[免费]直接整篇翻译pdf工具-支持多种语言

<闲来没事写篇博客填补中文知识库漏洞> 如题&#xff0c;[免费][本地]工具基于开源仓库&#xff1a; 工具 是python&#xff01;太好了&#xff0c;所以各个平台都可以&#xff0c;我这里基于windows. 1. 先把github代码下载下来&#xff1a; git clone https://githu…...

Python 鼠标轨迹算法 - 防止游戏检测

一.简介 鼠标轨迹算法是一种模拟人类鼠标操作的程序&#xff0c;它能够模拟出自然而真实的鼠标移动路径。 鼠标轨迹算法的底层实现采用C/C语言&#xff0c;原因在于C/C提供了高性能的执行能力和直接访问操作系统底层资源的能力。 鼠标轨迹算法具有以下优势&#xff1a; 模拟…...

Unity音乐内存优化

文章目录 音乐下载远程音乐 音乐 音乐文件如果只从工程目录里面读取&#xff0c;那有很多种方法可以优化&#xff0c;比如设置Load Type直接采用流式加载方式&#xff0c;内存直接降最小&#xff08;但是记住&#xff0c;每种优化都是有对应的代价的&#xff0c;优化是一种平衡…...

hubilder打包ios app, 并上传TestFlight

目录 一 前提条件 不是该项目成员解决 1. 直接找到该项目的管理人员去设置你的账号 2. 直接重新生成APPID(一般不建议的&#xff0c;可以查看) 3. 如果是离职人员&#xff0c;可以让他将项目权限转让出来 - 如何转让应用 - DCloud问答 未申请ios证书和描述文件 APP ID 的…...

3个 Vue $set 的应用场景

大家好&#xff0c;我是大澈&#xff01;一个喜欢结交朋友、喜欢编程技术和科技前沿的老程序员&#x1f468;&#x1f3fb;‍&#x1f4bb;&#xff0c;关注我&#xff0c;科技未来或许我能帮到你&#xff01; 在 Vue2 中&#xff0c;由于 Object.defineProperty 的限制&#…...

3ds Max 导入到 After Effects 还原摄像机要注意事项--deepseek

我&#xff1a;dp我这有两个脚本分别是syn软件相机导出到max的和syn软件相机导出到ae的&#xff0c;你能看出差别来吗&#xff1f;如果我想把max里的相机导入到ae里&#xff0c;保持原来的位置方向&#xff0c;该怎么做 dp&#xff1a;从这两个脚本可以看出&#xff0c;3ds Ma…...

从零开始 | C语言基础刷题DAY3

❤个人主页&#xff1a;折枝寄北的博客 目录 1.打印3的倍数的数2.从大到小输出3. 打印素数4.打印闰年5.最大公约数 1.打印3的倍数的数 题目&#xff1a; 写一个代码打印1-100之间所有3的倍数的数字 代码&#xff1a; int main(){int i 0;for (i 1; i < 100; i){if (i % …...

SQL注入第7关

存在注入&#xff0c;需要使用单引号闭合 拥有root权限&#xff0c;secure_file_priv值为空&#xff0c;确定路径 http://127.0.0.1/sqli-labs-master/Less-7/?id1)) union select 1,"<?phpinfo();?>",3 into outfile "D:\\landui\\xp\\phpstudy_pro…...

Git使用和原理(3)

1.远程操作 1.1分布式版本控制系统 我们⽬前所说的所有内容&#xff08;⼯作区&#xff0c;暂存区&#xff0c;版本库等等&#xff09;&#xff0c;都是在本地&#xff01;也就是在你的笔记本或者 计算机上。⽽我们的 Git 其实是分布式版本控制系统&#xff01;什么意思呢&a…...

从零搭建微服务项目Pro(第6-1章——Spring Security+JWT实现用户鉴权访问与token刷新)

前言&#xff1a; 在现代的微服务架构中&#xff0c;用户鉴权和访问控制是非常重要的一部分。Spring Security 是 Spring 生态中用于处理安全性的强大框架&#xff0c;而 JWT&#xff08;JSON Web Token&#xff09;则是一种轻量级的、自包含的令牌机制&#xff0c;广泛用于分…...

LeetCode 124.二叉树中的最大路径和

题目&#xff1a; 二叉树中的 路径 被定义为一条节点序列&#xff0c;序列中每对相邻节点之间都存在一条边。同一个节点在一条路径序列中 至多出现一次 。该路径 至少包含一个 节点&#xff0c;且不一定经过根节点。 路径和 是路径中各节点值的总和。 给你一个二叉树的根节点…...

结构型模式之适配器模式:让不兼容的接口兼容

在软件开发中&#xff0c;经常会遇到这样一种情况&#xff1a;系统的不同部分需要进行交互&#xff0c;但由于接口不兼容&#xff0c;导致无法直接使用。这时&#xff0c;适配器模式&#xff08;Adapter Pattern&#xff09;就能派上用场。适配器模式是设计模式中的结构型模式&…...

Python 中用T = TypeVar(“T“)这个语法定义一个“类型变量”,属于类型提示系统的一部分

T TypeVar("T") 这一语法规则定义了一个泛型类型变量 T&#xff0c;用于标记“某种类型”&#xff0c;让你可以写出既通用又类型安全的代码。 TypeVar(“T”) 会创建一个名为 T 的类型占位符&#xff0c;这个占位符可以在后续的函数、类或方法中用作泛型参数。泛型…...

uniapp移动端图片比较器组件,仿英伟达官网rtx光追图片比较器功能

组件下载地址&#xff1a;https://ext.dcloud.net.cn/plugin?id22609 已测试h5和微信小程序&#xff0c;理论支持全平台 亮点&#xff1a; 简单易用 使用js计算而不是resize属性&#xff0c;定制化程度更高 组件挂在后可播放指示线动画&#xff0c;提示用户可以拖拽比较图片…...

理解我们单片机拥有的资源

目录 为什么要查询单片机拥有的资源 所以&#xff0c;去哪些地方可以找数据手册 一个例子&#xff1a;STM32F103C8T6 前言 本文章隶属于项目&#xff1a; Charliechen114514/BetterATK: This is a repo that helps rewrite STM32 Common Repositorieshttps://github.com/C…...

接上一篇,C++中,如何设计等价于Qt的信号与槽机制。

看下面例子&#xff1a; class FileManager : public QObject {Q_OBJECTpublic:FileManager(QObject* parent nullptr) : QObject(parent) {}void changeFileName(const QString& newName) {fileName newName;emit fileNameChanged(fileName);}signals:void fileNameChan…...

redis分片集群如何解决高并发写问题的?

不使用分片集群&#xff0c;仅使用主从复制和哨兵模式下&#xff0c;可以有多个主从集群&#xff0c;但每个主从集群一般只有一个活跃的主节点并执行写操作&#xff0c;每个主从集群的数据也可能&#xff08;应该&#xff09;是不同的&#xff0c;同时每个主从集群存储的数据没…...

2025 linux系统资源使用率统计docker容器使用率统计docker监控软件Weave Scope安装weavescope

1.Weave Scope介绍 Weave Scope 是一款用于监控和可视化 Docker 容器、Kubernetes 集群以及分布式应用的强大工具。它的设计目标是帮助开发者和运维人员更好地理解和管理复杂的微服务架构。以下是 Weave Scope 的主要优点&#xff1a; 1. 实时可视化 Weave Scope 提供了一个直…...

Spring Boot 核心知识点深度详解:自动化配置 (Auto-configuration) - 解锁 Spring Boot 的 “魔法”

Spring Boot 核心知识点深度详解&#xff1a;自动化配置 (Auto-configuration) - 解锁 Spring Boot 的 “魔法” ✨ 自动化配置 (Auto-configuration) 是 Spring Boot 最核心的特性之一&#xff0c;也是它能够大幅简化 Spring 应用开发的关键所在。 它让 Spring Boot 应用能够…...

嵌入式Linux | 什么是 BootLoader、Linux 内核(kernel)、和文件系统?

01 什么是 BootLoader 呢&#xff1f; 它是个引导程序&#xff0c;也就是硬件复位以后第一个要执行的程序&#xff0c;它主要工作就是初始化操作系统运行的环境&#xff0c;比如说内存、定时器、缓冲器等&#xff0c;当这个工作做完以后&#xff0c;再把操作系统的代码加载…...

IP关联是什么?怎么避免?

在跨境电商的道路上&#xff0c;大家好&#xff01;今天想和大家聊一聊一个非常重要的话题&#xff0c;那就是IP关联的问题。在商业活动中&#xff0c;了解如何避免IP关联对保护我们宝贵的商铺至关重要。接下来&#xff0c;我们将深入探讨IP关联的概念、影响及如何有效防止这一…...

【Agent】OpenManus-Prompt组件详细分析

1. 提示词架构概述 OpenManus 的提示词组件采用了模块化设计&#xff0c;为不同类型的智能体提供专门的提示词模板。每个提示词模块通常包含两种核心提示词&#xff1a;系统提示词&#xff08;System Prompt&#xff09;和下一步提示词&#xff08;Next Step Prompt&#xff0…...

算数操作符、赋值操作符、单目操作符、强制类型转换

一、算术操作符&#xff08;、 -、 *、 /、 %&#xff09; • - * / %操作符都是双⽬操作符,有**两个操作数**的符号就叫做双目操作符 10 4| || | 操作数1 操作数2// - % / * 以此类推•操作符也被叫做&#xff1a;运算符 1. 符号、符号 - 和 符号* •…...

华为OD机试 - 九宫格按键输入 - 逻辑分析(Java 2023 B卷 200分)

题目描述 九宫格按键输入&#xff0c;输出显示内容。有英文和数字两个模式&#xff0c;默认是数字模式。数字模式直接输出数字&#xff0c;英文模式连续按同一个按键会依次出现这个按键上的字母。如果输入“/”或其他字符&#xff0c;则循环中断。 输入描述 输入范围为数字0…...

DeepSeek大模型在政务服务领域的应用

DeepSeek大模型作为国产人工智能技术的代表&#xff0c;近年来在政务服务领域的应用呈现多点开花的态势。通过多地实践&#xff0c;该技术不仅显著提升了政务服务的效率与智能化水平&#xff0c;还推动了政府治理模式的创新。以下从技术应用场景、典型案例及发展趋势三个维度进…...

卷积神经网络 - 一维卷积、二维卷积

卷积(Convolution)&#xff0c;也叫褶积&#xff0c;是分析数学中一种重要的运算。在信号处理或图像处理中&#xff0c;经常使用一维或二维卷积&#xff0c;本博文我们来学习一维卷积和二维卷积。 理解一维卷积和二维卷积的核心在于把握维度对特征提取方式的影响。我们从数学定…...

【NLP 33、实践 ⑦ 基于Triple Loss作表示型文本匹配】

目录 一、配置文件 config.py 二、 数据加载文件 loader.py 1.加载数据 Ⅰ、加载字表或词表 Ⅱ、加载标签映射表 Ⅲ、封装数据 2.处理数据 Ⅰ、补齐或截断 Ⅱ、定义类的特殊方法 ① 返回数据集大小 ② 生成随机训练样本 ③ 根据索引返回样本 Ⅲ、加载和处理训练样本和测试样本 …...

基于CNN的多种类蝴蝶图像分类

基于CNN的多种类蝴蝶图像分类&#x1f98b; 基于卷积神经网络对64992786张图像&#xff0c;75种不同类别的蝴蝶进行可视化分析、模型训练及分类展示 导入库 import pandas as pd import os import matplotlib.pyplot as plt import seaborn as sns import numpy as np from …...

Linkreate wordpressAI智能插件-自动生成原创图文、生成关键词、获取百度搜索下拉关键词等

Linkreate wordpressAI插件核心功能亮点 文章生成与优化 自动化文章生成&#xff1a;利用 AI 技术&#xff0c;根据关键词生成高质量文章。 支持指定长度和要求&#xff0c;异步生成不阻塞操作。 且 AI 可自动生成精准的 tag 标签&#xff0c;利于 SEO 优化。 批量生成文章…...

uniapp-x web 开发警告提示以及解决方法

defineModel props...

​详细介绍 SetWindowPos() 函数

书籍&#xff1a;《Visual C 2017从入门到精通》的2.3.8 Win32控件编程 环境&#xff1a;visual studio 2022 内容&#xff1a;【例2.29】模态对话框 说明&#xff1a;以下内容大部分来自腾讯元宝。 ​1. 函数功能与用途 SetWindowPos() 是 Windows API 中用于动态调整窗口…...

SpringBoot桂林旅游景点导游平台开发与设计

一个基于SpringBoot开发的桂林旅游景点导游平台项目。该项目不仅功能全面&#xff0c;而且易于部署&#xff0c;适合初学者学习和进阶开发者参考。 项目概述 该项目旨在为用户提供一个便捷的桂林旅游景点信息查询与线路推荐平台。系统分为管理员模块和用户模块&#xff0c;分…...

深入理解传输层协议

各类资料学习下载合集 ​​​​​​https://pan.quark.cn/s/8c91ccb5a474​​ 传输层是计算机网络中的一个重要层次,其主要任务是为应用层提供可靠的数据传输服务。传输层的协议主要包括 TCP(传输控制协议)和 UDP(用户数据报协议)。本文将详细解析这两种协议的特点、使用…...

基于金融产品深度学习推荐算法详解【附源码】

深度学习算法说明 1、简介 神经网络协同过滤模型(NCF) 为了解决启发式推荐算法的问题&#xff0c;基于神经网络的协同过滤算法诞生了&#xff0c;神经网络的协同过滤算法可以 通过将用户和物品的特征向量作为输入&#xff0c;来预测用户对新物品的评分&#xff0c;从而解决…...

java 中散列表(Hash Table)和散列集(Hash Set)是基于哈希算法实现的两种不同的数据结构

在 Java 中&#xff0c;散列表&#xff08;Hash Table&#xff09;和散列集&#xff08;Hash Set&#xff09;是两种不同的数据结构&#xff0c;但它们都基于哈希表的原理来实现。下面是它们的联系与区别、实现类以及各自的优缺点&#xff0c;并用表格进行对比整理。 联系与区…...

Tauri + Vite + SvelteKit + TailwindCSS + DaisyUI 跨平台开发详细配置指南(Windows)

Tauri Vite SvelteKit TailwindCSS DaisyUI 跨平台开发详细配置指南&#xff08;Windows&#xff09; 本文为博主原创文章&#xff0c;遵循 CC 4.0 BY-SA 版权协议。转载请注明出处及本声明 原文链接&#xff1a;[你的文章链接] &#x1f6e0;️ 环境准备 1. 安装核心工具…...

centos 7误删/bash 拯救方法

进入救援模式 1. 插入CentOS 7安装光盘&#xff0c;重启系统。在开机时按BIOS设置对应的按键&#xff08;通常是F2等&#xff09;&#xff0c;将启动顺序调整为CD - ROM优先。 2. 系统从光盘启动后&#xff0c;选择“Troubleshooting”&#xff0c;然后选择“Rescue a Cent…...

协程池是调用端并发请求的缓释胶囊

hello, 我是马甲哥&#xff0c;这是我的第183篇原创文章&#xff0c;阅读时间3min&#xff0c;有用指数4颗星。 昨天"朝花夕拾"栏目倒腾了一款具有请求排队功能的并发受限服务器。 演示了互联网高并发请求&#xff0c;服务端遇到的现实情况&#xff08;服务器高负载、…...

【渗透测试】webpack对于渗透测试的意义

作者 &#xff1a;Yuppie001 作者主页 &#xff1a; 传送 本文专栏 &#xff1a;Web漏洞篇 &#x1f31f;&#x1f31f;&#x1f31f;&#x1f31f;&#x1f31f;&#x1f31f;&#x1f31f;&#x1f31f; webpack&#xff1a; 一.webpack是什么二.对于渗透测试的意义&#…...

举例说明 牛顿法 Hessian 矩阵

矩阵求逆的方法及示例 目录 矩阵求逆的方法及示例1. 伴随矩阵法2. 初等行变换法矩阵逆的实际意义1. 求解线性方程组2. 线性变换的逆操作3. 数据分析和机器学习4. 优化问题牛顿法原理解释举例说明 牛顿法 Hessian 矩阵1. 伴随矩阵法 原理:对于一个 n n n 阶方阵 A A...

VSTO(C#)Excel开发12:多线程的诡异

初级代码游戏的专栏介绍与文章目录-CSDN博客 我的github&#xff1a;codetoys&#xff0c;所有代码都将会位于ctfc库中。已经放入库中我会指出在库中的位置。 这些代码大部分以Linux为目标但部分代码是纯C的&#xff0c;可以在任何平台上使用。 源码指引&#xff1a;github源…...

MambaVision:一种Mamba-Transformer混合视觉骨干网络

摘要 我们提出了一种新型混合Mamba-Transformer主干网络&#xff0c;称为MambaVision&#xff0c;该网络专为视觉应用而设计。我们的核心贡献包括重新设计Mamba公式&#xff0c;以增强其对视觉特征的高效建模能力。此外&#xff0c;我们还对将视觉Transformer&#xff08;ViT&…...

目标跟踪之DeepSort算法(4)

目标跟踪之DeepSort 1 安装1.1 代码下载与安装1. 2 DeepSort检测流程1.3 模型初始化流程 2. 模型推理2.1 模型推理代码解析2.2 对预测结果跟踪代码解析2.3 轨迹预测2.4 轨迹跟踪2.5 轨迹与特征匹配2.6 计算轨迹与检测的特征余弦距离2.7 用轨迹与检测的马氏距离跟新cost_matrix矩…...

速通大厂测开

最近26届暑期实习招聘和25届春招已经开始&#xff0c;测开学习圈也有同学拿到offer了 今天分享一位25届秋招圈友快速拿到大厂测开offer的经历&#xff0c;希望对大家有所帮助 我是某211本科生&#xff0c;在去年暑假准备考研的间隙意外收获了某大厂测开实习offer&#xff0c;…...

LightRAG简要概述

文章目录 索引流程问答流程naivelocalglobalhybridmix 中文prompt 官方仓库&#xff1a;LightRAG 没有废话&#xff0c;直接进入主题。 索引流程 1、提取实体与关系 2、LLM判断是否有漏掉的实体与关系&#xff0c;如有则接着提取 3、合并实体&#xff0c;根据多个实体描述&a…...

【Mac】安装 Parallels Desktop、Windows、Rocky Linux

一、安装PD 理论上&#xff0c;PD只支持试用15天&#xff01;当然&#xff0c;你懂的。 第一步&#xff0c;在 Parallels Desktop for Mac 官网 下载 Install Parallels Desktop.dmg第二步&#xff0c;双击 Install Parallels Desktop.dmg 第三步&#xff0c;双击安装Paralle…...

Unity利用噪声生成动态地形

引言 在游戏开发中&#xff0c;地形是构建游戏世界的基础元素之一。传统的地形创建方法通常依赖于手动建模或预设资源&#xff0c;这种方式虽然精确但缺乏灵活性&#xff0c;且工作量巨大。而使用噪声算法生成地形则提供了一种程序化、动态且高效的解决方案。本文将详细介绍如…...

【Linux】Ext系列文件系统(上)

目录 一、 理解硬件 1-1 磁盘 1-2 磁盘物理结构 1-3 磁盘的存储结构 1-4 如何定位一个扇区 1-4 磁盘的逻辑结构 1-4-1 理解过程 1-4-2 真实过程 1-5 CHS && LBA地址 二、文件系统 2-1 "块"概念 2-2 "分区"概念 2-3 "inode"…...

解决diffusers加载stablediffusion模型,输入prompt总是报错token数超出clip最大长度限制

1. StableDiffusion1.5 在加载huggingface中的扩散模型时&#xff0c;输入prompt总是会被报错超过clip的最大长度限制。 解决方案&#xff1a;使用compel库 from diffusers import AutoPipelineForText2Image import torch import pdb from compel import Compeldevice torc…...