KI-Analyse von Lasttestergebnissen

Überblick über die KI-Analyse

Die Funktion KI-Analyse von Lasttestergebnissen nutzt künstliche Intelligenz, um Ihre Performance-Testergebnisse zu interpretieren und umsetzbare Erkenntnisse zu liefern. Durch die Definition Ihres Technologie-Stacks erhalten Sie sowohl eine übergeordnete Zusammenfassung der Testleistung als auch technologiespezifische Empfehlungen zur Optimierung Ihrer Anwendung. Funktioniert sowohl für native LoadFocus-Lasttests als auch für Apache JMeter-Lasttests.

Was ist die KI-Analyse von Lasttestergebnissen?

Die KI-Analyse untersucht wichtige Metriken, wie Antwortzeiten, Fehlerraten und Durchsatz, aus Ihrem LoadFocus- oder JMeter-Testlauf und identifiziert automatisch potenzielle Engpässe und Verbesserungsbereiche. Darüber hinaus werden Vorschläge basierend auf Ihrem ausgewählten Technologie-Stack maßgeschneidert, um sicherzustellen, dass die Empfehlungen für Ihre Umgebung relevant sind.

Zugriff auf die KI-Analyse

AI Assist-Tab öffnen Navigieren Sie zu Ihrem Testergebnis-Dashboard und klicken Sie auf den AI Assist-Tab.
Neue Analyse starten Klicken Sie auf New AI Analysis (beta), um mit der Generierung von Erkenntnissen für den aktuellen Testlauf zu beginnen. Jede Analyse verbraucht einen AI-Credit Ihres Plans (siehe AI-Credits).

Technologie-Stack auswählen oder erstellen

Geben Sie vor der Analyse die in Ihrer Anwendung verwendeten Technologien an. Sie können entweder einen zuvor gespeicherten Technologie-Stack wählen oder einen neuen definieren.

Gespeicherten Technologie-Stack verwenden	Neuen Technologie-Stack erstellen
Aus gespeicherten Konfigurationen zur Wiederverwendung wählen	Sprachen, Frameworks, Datenbank, Server und Cloud definieren

Neuen Technologie-Stack erstellen

Wenn Sie einen neuen Stack definieren möchten, geben Sie einen Namen an und wählen Sie Ihre Technologien in jeder Kategorie:

Programmiersprachen (z.B. JavaScript, TypeScript)
Frameworks und Bibliotheken (z.B. React, Next.js)
Datenbank (z.B. MongoDB, PostgreSQL)
Anwendungs-/Webserver (z.B. Node.js, Tomcat)
Cloud-Anbieter (z.B. AWS, Azure)
Zusätzliche Details (optionale Hinweise)

Technologie-Stack benennen

Geben Sie Ihrem Stack einen aussagekräftigen Namen, damit Sie ihn später leicht wiederverwenden können.

KI-Analyse generieren

Sobald Ihr Technologie-Stack ausgewählt oder erstellt ist, klicken Sie auf Continue, damit LoadFocus Ihre Testdaten verarbeitet.

Sie sehen eine Liste der generierten Analysen. Jeder Eintrag zeigt:

Einen Zeitstempel und Laufdetails
Ein Drucken-Symbol zum Generieren eines PDF-Berichts
Ein Papierkorb-Symbol zum Löschen der Analyse

KI-Analyse drucken

So drucken oder speichern Sie einen KI-Analysebericht als PDF:

Suchen Sie den Analyseeintrag in der Liste.
Klicken Sie auf das Drucken-Symbol .
Der Druckdialog Ihres Browsers erscheint -- wählen Sie Als PDF speichern oder Ihren physischen Drucker.

KI-generierte Erkenntnisse anzeigen

Wählen Sie eine Analyse aus der Liste, um Folgendes anzuzeigen:

Test-Performance-Zusammenfassung hebt durchschnittliche und maximale Antwortzeiten, Fehlerrate und Durchsatz hervor.
Durchsatzanalyse bewertet, wie Ihr System unter der gegebenen Last abgeschnitten hat.
Verbesserungsbereiche weist auf potenzielle Engpässe oder Risiken hin.
Nächste Schritte empfiehlt weitere Maßnahmen oder durchzuführende Tests.

Technologie-Stack-Empfehlungen

Unterhalb Ihrer Erkenntnisse liefert der Abschnitt Technologie-Stack-Empfehlungen maßgeschneiderte Optimierungstipps.

Ihr Technologie-Stack zeigt die ausgewählten Technologien als Badges an.
Maßgeschneiderte Empfehlungen listet priorisierte Maßnahmen mit Auswirkungsstufen (Hoch, Mittel, Niedrig).

Beispiel-Empfehlungen

Datenbankabfrageleistung optimieren (Hohe Auswirkung) Angesichts Ihres Stacks aus JavaScript, TypeScript, React, Next.js, MongoDB, Node.js und AWS sollten Sie die Optimierung von MongoDB-Indizes, die Nutzung von Next.js Server-Side Rendering und die Feinabstimmung der AWS RDS-Konfigurationen in Betracht ziehen.
Caching-Strategie implementieren (Mittlere Auswirkung) Fügen Sie eine Caching-Schicht hinzu (z.B. Redis oder CloudFront), um die Latenz bei wiederholten Anfragen zu reduzieren, während Ihre Last wächst.
Auto-Scaling-Infrastruktur (Mittlere Auswirkung) Konfigurieren Sie AWS Auto Scaling-Gruppen, um Compute-Ressourcen dynamisch basierend auf dem Traffic anzupassen.
Serverless-Kostenoptimierung (Niedrige Auswirkung) Erkunden Sie AWS Lambda oder Fargate, um nur für verbrauchte Rechenzeit zu zahlen und die Skalierung zu vereinfachen.

Analyse löschen

Wenn Sie eine KI-Analyse entfernen müssen, klicken Sie auf das Papierkorb-Symbol neben dem Eintrag und bestätigen Sie die Löschung.

Hinweis: Die Löschung ist dauerhaft, aber Sie können jederzeit eine neue Analyse für denselben Testlauf generieren.

Fazit

Die KI-Analyse von Lasttestergebnissen beschleunigt die Performance-Optimierung, indem sie automatisierte Erkenntnisse mit technologiespezifischen Empfehlungen kombiniert. Definieren Sie Ihren Stack einmal und nutzen Sie KI-gesteuerte Anleitungen, um Ihre Anwendung unter Last reibungslos am Laufen zu halten.

Siehe auch: AI-Credits: erfahren Sie, wie Plan-Credits, gekaufte Credit-Pakete, Ablauf und Team-Sharing funktionieren.