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.
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 oder neu generieren
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.