使用方法：
1、添加线程组——jp@gc - Stepping Thread Group
2、Stepping Thread Group界面如下：
上图的各项意思：
This group will start 100 threads：设置线程组启动的线程总数为100个；
First,wait for N seconds：启动第一个线程之前，需要等待N秒；
Then start N threads：设置最开始时启动N个线程；
Next,add 10 threads every 30 seconds,using ramp-up 5 seconds：每隔30秒，启动10个线程，10个线程在5秒内启动完成；
Then hold load for 60 seconds：启动的线程总数达到最大值之后，再持续运行60秒；
Finally,stop 5 threads every 1 seconds：每秒停止5个线程；
这里是对每个插件的用处进行解释：
PerfMon Metrics Collector：用于监控机器的CPU、Memory、swap、Disks I/O、Networks I/O。CPU：cpu占用量百分比；
Memory：存储量的使用情况；swap：交换区的使用情况；Disks I/O：磁盘I/O；Networks I/O：网络I/O
Hits per Second：每秒测试计划所产生的点击服务器的次数。
Bytes Throughput Over Time：在压力测试期间接收和发送的bytes数。
Composite Graph：将你的测试计划中的所有图表集合在同一张图表中以方便查看。
Response Codes per Second：每秒返回的响应码，表明jmeter测试期间，随着时间的推移返回的响应码，从中我们可以看到测试期间在哪个时间段内出现了错误，就可以分析在该时间内系统的什么环境因素导致的错误。
Response Latencies Over Time：每秒钟的响应等待时间，表明jmeter测试期间，随着时间的推移，系统的响应等待时间的变化，也是系统随着时间推移系统效率的变化。
Response Times Distribution：响应时间分布，X轴表示的是响应时间，Y轴表示的是响应次数，F（X,Y）表示系统在某种响应时间次数是多少，如果响应时间短的地方，响应次数多，说明系统的效率越高。
Response Times Over Time：每秒钟响应时间，X轴表示的是系统运行的时刻，Y轴表示的是响应时间，F（X,Y）表示系统随着时间的推移，系统的响应时间的变化，可以看出响应时间的稳定性。
Response Times Percentiles：响应时间的百分比，X轴表示的是百分比，Y轴表示的是响应时间，F（X,Y）表示低于某个百分比的响应时间，比如有80%的响应低于400ms。
Response Times vs Threads：响应时间用户数，X轴表示的是活动线程数，也就是并发访问的用户数，Y轴表示的是响应时间，F（X,Y）表示在某种并发量的情况下，系统的响应时间是多少。
Transaction Throughput vs Threads：每个活动线程数的事务吞吐量，X轴表示的是活动线程数，Y轴表示的是事务吞吐量，F（X,Y）的含义是当系统处于某个活动线程数时，系统当时的事务吞吐量是多少，比如当有10个活动线程时，事务吞吐量是100/s，而当有20个活动线程时，事务吞吐量是50/s，说明随着用户访问的增加，系统的处理效率开始下降了，从这个图中可以找到一个临界点，在多大的活动线程数时，系统达到最大的吞吐量。
Transactions per Second：每秒的事务数，X轴表示访问结束的时刻，Y轴表示访问量，F（X,Y）表示在某个结束时刻，一共有多少的访问量结束访问。
Active Threads Over Time：每秒的活动线程数，X轴表示访问的时刻，Y轴表示活动线程数，F（X,Y）表示某个时刻的活动线程数
概念之性能测试知多少---吞吐量 https://blog.csdn.net/ahuan08/article/details/55655456
---------------------
mysql数据库性能分析：
JDBC Connection Configuration配置元件中 最大连接数，最大等待数要与后台设置一致
show variables like '%max_connections%' 查看最大连接数
set GLOBAL max_connections = 200; 修改最大连接数
为什么300的并发能把支持最大连接数4000数据库压死？ https://www.cnblogs.com/yougewe/p/10576021.html
jmeter测试服务器性能之数据连接数瓶颈分析和优化 ？ https://blog.csdn.net/g695144224/article/details/51076125
---------------------
原文链接：https://blog.csdn.net/weixin_39430584/article/details/80947093
https://blog.csdn.net/qq_36800800/article/details/82691525