4.4 自定义扩展开发

4.4 自定义扩展开发

本节摘要：JMeter 自带元件不够用时能扩展。本节讲 JSR223 脚本（Groovy）、自定义采样器、函数助手——补足定制需求。

阅读收获

阅读完本节，你应当能够：

1. 用 JSR223 写脚本逻辑
2. 理解自定义采样器/函数的扩展点
3. 选择合适的扩展方式

概念脉络

一、为什么要扩展

JMeter 自带元件覆盖常见场景，但遇到特殊协议、复杂逻辑、自定义计算时不够用。扩展方式从简单到复杂：

• JSR223 脚本：写 Groovy/Beanshell 逻辑，最常用
• 函数助手：自定义函数供变量用
• 自定义采样器/元件：写 Java 插件，最灵活但最复杂

二、JSR223 脚本

JSR223 元件支持 Groovy、Beanshell、JavaScript 等脚本语言，推荐 Groovy（性能好、语法强）：

• JSR223 Sampler：用脚本发请求（如自定义协议）
• JSR223 前置处理器：请求前做复杂准备
• JSR223 后置处理器：响应后做复杂处理
• JSR223 断言：自定义断言逻辑

// JSR223 后置处理器：计算签名并存变量
import org.apache.commons.codec.digest.DigestUtils
def ts = System.currentTimeMillis()
def sign = DigestUtils.md5Hex("key=${ts}&secret=abc")
vars.put("TS", ts.toString())
vars.put("SIGN", sign)
​

内置对象：

• vars：JMeter 变量
• props：JMeter 属性（全局）
• ctx：当前线程上下文
• prev：上一个采样结果
• log：日志

三、函数助手

自定义函数供 ${__函数名(参数)} 调用。JMeter 自带很多函数（__time、__Random、__CSVRead），不够可写 Java 实现自定义函数。

四、自定义采样器/元件

写 Java 实现 JMeter 接口，打包 jar 放 lib/ext：

• AbstractSampler：自定义采样器
• AbstractTestElement：自定义元件
• AbstractFunction：自定义函数

适合：自定义协议、复杂计算、与外部系统集成。复杂度高，一般场景用 JSR223 够了。

五、扩展选择

⚠️ 常见坑：用 Beanshell 脚本——Beanshell 性能差，高并发时拖慢压测。用 Groovy（JSR223）性能好得多。

💡 关键直觉：扩展从简到繁：JSR223 Groovy 脚本（最常用）→ 函数助手 → 自定义 Java 采样器。能用脚本就别写插件，复杂度高。

要点串联

• 扩展方式：JSR223 脚本（Groovy 推荐）、函数助手、自定义 Java 采样器。
• JSR223：Sampler/前后置/断言，用 Groovy 性能好，内置 vars/props/ctx/prev/log。
• 函数助手：自定义函数供变量调用。
• 自定义采样器：Java 实现，打包 jar 放 lib/ext，适合自定义协议和深度集成。
• 选择：能用脚本就别写插件，复杂度高。

第 4 章结束。下一章讲工程实践——把这些能力用到真实项目。

扩展方式

JMeter 支持多种扩展途径：Java 采样器（实现 JavaSamplerClient 接口）、Groovy 脚本（JSR223 采样器，最灵活）、自定义函数（实现 AbstractFunction）、自定义断言与监听器。插件可通过 maven 打包放入 lib/ext 目录后随 JMeter 加载。

Groovy 脚本示例

// 在 JSR223 采样器中动态生成请求体
def id = new Random().nextInt(10000)
def payload = "{\"id\":\"" + id + "\"}"
def sampler = ctx.getCurrentSampler()
sampler.addArgument("data", payload)
​

开发要点

自定义扩展的要点：遵循 JMeter 的组件生命周期（testStarted/testIterationStart 等回调）；谨慎处理线程安全（共享状态需加锁或使用线程局部）；脚本性能优化（Groovy 编译缓存）；插件打包时声明依赖与版本兼容。自定义扩展让 JMeter 能适配特殊协议与业务，是高级定制的基础能力。

Groovy 实践进阶

JSR223 采样器中使用 Groovy 的实践要点：脚本内容可访问 vars（变量）、ctx（上下文）、props（属性）、log（日志）等内置对象；用 ${__groovy()} 函数可直接在采样器参数中嵌入计算逻辑；性能上建议开启脚本编译缓存（JSR223 采样器勾选 Cache compiled script），避免重复编译开销；复杂逻辑拆分为多个采样器或预编译脚本文件。

常见扩展场景

自定义扩展的常见场景：对接公司内部签名算法（SHA256 加盐）；生成加密报文（AES/RSA）；从消息队列读取数据（Kafka/JMS 采样器）；实现自定义协议采样器（Java 实现 JavaSamplerClient）。扩展开发前先确认插件市场是否已有现成方案，避免重复造轮子。

Groovy 与 Java 的选择：Groovy 脚本灵活（无需编译打包、可在 GUI 直接编辑），适合业务逻辑定制；Java 采样器性能更优（无脚本解释开销），适合高频调用与协议级定制。实际项目常两者结合：常规逻辑用 Groovy，核心协议用 Java 插件。

扩展测试

自定义扩展上线前测试：单元测试（逻辑正确性）；集成测试（在 JMeter 中运行）；性能测试（调用开销评估）；边界测试（异常输入、并发安全）。扩展的质量直接影响压测结果的可靠性，测试不可省略。

总结：自定义扩展（Groovy 脚本与 Java 插件）让 JMeter 能适配企业特有的协议与业务逻辑。扩展开发遵循标准接口、重视性能与并发安全、上线前充分测试，是 JMeter 高级定制的正道。

团队内沉淀自定义扩展的最佳实践：建立扩展代码库与文档，记录适用场景、参数说明与版本；复用成熟扩展减少重复开发，同时保持对新需求的开放评估。